(19)【発行国】日本国特許庁(JP)
(12)【公報種別】公開特許公報(A)
(11)【公開番号】P2023176173
(43)【公開日】2023-12-13
(54)【発明の名称】方法、プログラム及び情報処理装置
(51)【国際特許分類】
G06Q 50/02 20120101AFI20231206BHJP
G06T 7/00 20170101ALI20231206BHJP
G01N 21/27 20060101ALI20231206BHJP
H04N 7/18 20060101ALI20231206BHJP
【ＦＩ】
G06Q50/02
G06T7/00 350B
G06T7/00 640
G01N21/27 A
H04N7/18 K
【審査請求】有
【請求項の数】19
【出願形態】ＯＬ
(21)【出願番号】P 2022088324
(22)【出願日】2022-05-31
(71)【出願人】
【識別番号】522215850
【氏名又は名称】株式会社ポーラスター・スペース
(74)【代理人】
【識別番号】110002815
【氏名又は名称】ＩＰＴｅｃｈ弁理士法人
(72)【発明者】
【氏名】中村 隆洋
【テーマコード（参考）】
2G059
5C054
5L049
5L096
【Ｆターム（参考）】
2G059AA03
2G059AA05
2G059BB20
2G059FF01
2G059JJ01
2G059KK04
5C054CA04
5C054CA05
5C054CF08
5C054FC12
5C054FE13
5C054HA11
5L049CC01
5L096CA18
5L096DA02
5L096KA04
(57)【要約】
【課題】収穫をする事業を行う事業者にとって、より適切に育成状況を管理する。
【解決手段】プロセッサに、マルチスペクトルカメラにより撮影されるスペクトル画像１２７と比較するための、観測対象である作物が特定の状態であることを検知するための学習モデル１２６をメモリに記憶させる第１ステップと、観測対象の地域において、作物が特定の状態であることを検知するための波長によりマルチスペクトルカメラで撮影させることでスペクトル画像１２７を生成する第２ステップと、撮影した結果であるスペクトル画像１２７と、作物が特定の状態であることを検知するための学習モデル１２６とに基づいて、観測対象の地域において特定の状態にある作物がある地域を特定する第３ステップと、特定した地域の情報を出力する第４ステップとを実行させる。
【選択図】図１２
【解決手段】プロセッサに、マルチスペクトルカメラにより撮影されるスペクトル画像１２７と比較するための、観測対象である作物が特定の状態であることを検知するための学習モデル１２６をメモリに記憶させる第１ステップと、観測対象の地域において、作物が特定の状態であることを検知するための波長によりマルチスペクトルカメラで撮影させることでスペクトル画像１２７を生成する第２ステップと、撮影した結果であるスペクトル画像１２７と、作物が特定の状態であることを検知するための学習モデル１２６とに基づいて、観測対象の地域において特定の状態にある作物がある地域を特定する第３ステップと、特定した地域の情報を出力する第４ステップとを実行させる。
【選択図】図１２
【特許請求の範囲】
【請求項1】
コンピュータを動作させるための方法であって、前記コンピュータのプロセッサに、
マルチスペクトルカメラにより撮影されるスペクトル画像と比較するための、観測対象である作物が特定の状態であることを検知するための情報をメモリに記憶させる第１ステップと、
観測対象の前記地域において、前記作物が特定の状態であることを検知するための波長により前記マルチスペクトルカメラで撮影させることで前記スペクトル画像を生成する第２ステップと、
前記撮影した結果である前記スペクトル画像と、前記作物が特定の状態であることを検知するための情報とに基づいて、観測対象の前記地域において特定の状態にある前記作物がある前記地域を特定する第３ステップと、
前記特定した地域の情報を出力する第４ステップと、
を実行させる、方法。
マルチスペクトルカメラにより撮影されるスペクトル画像と比較するための、観測対象である作物が特定の状態であることを検知するための情報をメモリに記憶させる第１ステップと、
観測対象の前記地域において、前記作物が特定の状態であることを検知するための波長により前記マルチスペクトルカメラで撮影させることで前記スペクトル画像を生成する第２ステップと、
前記撮影した結果である前記スペクトル画像と、前記作物が特定の状態であることを検知するための情報とに基づいて、観測対象の前記地域において特定の状態にある前記作物がある前記地域を特定する第３ステップと、
前記特定した地域の情報を出力する第４ステップと、
を実行させる、方法。
【請求項2】
前記第２ステップにおいて、前記マルチスペクトルカメラを搭載した飛行体を、運行計画に従って、観測対象の前記地域において飛行させ、前記作物が特定の状態であることを検知するための波長により前記マルチスペクトルカメラで撮影させることで前記スペクトル画像を生成する、
請求項１に記載の方法。
請求項１に記載の方法。
【請求項3】
前記第１ステップにおいて、前記検知するための情報として、
観測対象の前記作物が育成されている前記地域を示す情報と、
当該地域を前記マルチスペクトルカメラで撮影することで得られる前記スペクトル画像及びその撮影のための波長の情報と、
当該地域において前記作物を撮影する際の太陽の角度の情報と、
が関連付けられたデータベースを教師データとして機械学習を行うことにより生成される学習済みモデルを前記メモリに記憶させており、
前記第３ステップにおいて、前記撮影した結果である前記スペクトル画像と、前記学習済みモデルとに基づいて、前記特定の状態にある前記作物がある前記地域を特定する、
請求項１に記載の方法。
観測対象の前記作物が育成されている前記地域を示す情報と、
当該地域を前記マルチスペクトルカメラで撮影することで得られる前記スペクトル画像及びその撮影のための波長の情報と、
当該地域において前記作物を撮影する際の太陽の角度の情報と、
が関連付けられたデータベースを教師データとして機械学習を行うことにより生成される学習済みモデルを前記メモリに記憶させており、
前記第３ステップにおいて、前記撮影した結果である前記スペクトル画像と、前記学習済みモデルとに基づいて、前記特定の状態にある前記作物がある前記地域を特定する、
請求項１に記載の方法。
【請求項4】
前記第１ステップにおいて、前記検知するための情報として、さらに
前記マルチスペクトルカメラで前記地域を撮像したときの前記地域の温度の情報が関連付けられたデータベースを前記教師データとして前記機械学習を行うことにより生成される前記学習済みモデルを前記メモリに記憶させており、
前記第３ステップにおいて、さらに、前記マルチスペクトルカメラで前記観測対象の地域を撮像したときの前記観測対象の地域の温度に基づいて、前記特定の状態にある前記作物がある前記地域を特定する、
請求項３に記載の方法。
前記マルチスペクトルカメラで前記地域を撮像したときの前記地域の温度の情報が関連付けられたデータベースを前記教師データとして前記機械学習を行うことにより生成される前記学習済みモデルを前記メモリに記憶させており、
前記第３ステップにおいて、さらに、前記マルチスペクトルカメラで前記観測対象の地域を撮像したときの前記観測対象の地域の温度に基づいて、前記特定の状態にある前記作物がある前記地域を特定する、
請求項３に記載の方法。
【請求項5】
前記第１ステップにおいて、前記教師データである前記データベースとして、さらに、前記特定の状態の種類の情報が関連付けられており、当該特定の状態の種類の情報を含む前記データベースにより生成された前記学習済みモデルを前記メモリに記憶させており、
前記第３ステップにおいて、前記学習済みモデルに基づき、前記特定の状態にある前記作物がある前記地域と、前記特定の状態の種類とを特定する、
請求項３に記載の方法。
前記第３ステップにおいて、前記学習済みモデルに基づき、前記特定の状態にある前記作物がある前記地域と、前記特定の状態の種類とを特定する、
請求項３に記載の方法。
【請求項6】
前記第２ステップにおいて、前記運行計画として、複数機の前記飛行体により、それぞれ異なる前記地域を飛行させ、各前記飛行体により撮影された前記スペクトル画像を、撮影された前記地域に基づき重ね合わせて前記スペクトル画像を生成する、
請求項２に記載の方法。
請求項２に記載の方法。
【請求項7】
前記第２ステップにおいて、前記運行計画として、観測対象の前記作物に応じて、観測対象の前記地域ごとに前記マルチスペクトルカメラの前記波長を指定し、前記波長の指定に従って、各地域で前記波長を切り替えて、前記飛行体の前記マルチスペクトルカメラにより前記スペクトル画像を生成する、
請求項２に記載の方法。
請求項２に記載の方法。
【請求項8】
前記第２ステップにおいて、前記運行計画として、前記作物の育成場所の周囲の地形が所定の条件を満たす場合に、当該所定の条件を満たす前記地域を優先して、前記飛行体の前記マルチスペクトルカメラにより撮影させることで前記スペクトル画像を生成する、
請求項２に記載の方法。
請求項２に記載の方法。
【請求項9】
前記第４ステップにおいて、前記作物が特定の状態になっている地理範囲と、そうでない地理範囲とを区別し、さらに、前記スペクトル画像を撮影した地点に基づき、地図画像と重ね合わせて、前記作物が特定の状態になっている範囲を表示する、
請求項１に記載の方法。
請求項１に記載の方法。
【請求項10】
前記第４ステップにおいて、撮影時点の指定をユーザから受け付けており、指定された時点において撮影された前記スペクトル画像に基づき、前記作物が特定の状態になっている地理範囲を表示する、
請求項１に記載の方法。
請求項１に記載の方法。
【請求項11】
前記第４ステップにおいて、前記作物が特定の状態であることを検知した結果に基づき、特定の状態になっている前記作物の情報と、前記作物が特定の状態であることに対処するための費用の情報とを表示する、
請求項１に記載の方法。
請求項１に記載の方法。
【請求項12】
前記第１ステップにおいて、
前記マルチスペクトルカメラを搭載した前記飛行体を飛行させて地表を撮影させ、得られた前記スペクトル画像に基づいて、
観測対象の前記作物が育成されている前記地域を示す情報と、
当該地域を前記マルチスペクトルカメラで撮影することで得られる前記スペクトル画像及びその撮影のための波長の情報と、
を関連付けて前記メモリに記憶させ、
さらに、前記コンピュータの前記プロセッサに、
前記記憶された前記スペクトル画像をユーザに閲覧させることにより、当該スペクトル画像と関連付けて、前記作物が特定の状態であることの指定を前記ユーザから受け付ける第５ステップと、
前記ユーザの指定に応じて、前記作物が前記特定の状態であることを検知するためのデータベースを前記メモリに記憶させる第６ステップと、
を実行させる、請求項２に記載の方法。
前記マルチスペクトルカメラを搭載した前記飛行体を飛行させて地表を撮影させ、得られた前記スペクトル画像に基づいて、
観測対象の前記作物が育成されている前記地域を示す情報と、
当該地域を前記マルチスペクトルカメラで撮影することで得られる前記スペクトル画像及びその撮影のための波長の情報と、
を関連付けて前記メモリに記憶させ、
さらに、前記コンピュータの前記プロセッサに、
前記記憶された前記スペクトル画像をユーザに閲覧させることにより、当該スペクトル画像と関連付けて、前記作物が特定の状態であることの指定を前記ユーザから受け付ける第５ステップと、
前記ユーザの指定に応じて、前記作物が前記特定の状態であることを検知するためのデータベースを前記メモリに記憶させる第６ステップと、
を実行させる、請求項２に記載の方法。
【請求項13】
前記データベースを作成するための前記スペクトル画像は複数の波長からなる第１の波長群について同一の地域を撮像したものであり、
前記第２ステップにおける前記スペクトル画像は複数の波長からなる第２の波長群について同一の観測対象の前記地域を撮像したものであり、
前記第１の波長群の波長数は前記第２の波長群の波長数より多い
請求項１２に記載の方法。
前記第２ステップにおける前記スペクトル画像は複数の波長からなる第２の波長群について同一の観測対象の前記地域を撮像したものであり、
前記第１の波長群の波長数は前記第２の波長群の波長数より多い
請求項１２に記載の方法。
【請求項14】
前記第１ステップにおいて、前記地域を示す情報と、前記スペクトル画像及びその撮影のための前記波長の情報と関連付けて、さらに、前記特定の状態の種類の情報を前記メモリに蓄積させる、
請求項１２に記載の方法。
請求項１２に記載の方法。
【請求項15】
前記第５ステップにおいて前記ユーザから受け付けた前記指定に基づいて、作物が前記特定の状態であることを前記スペクトル画像により検知するための波長を特定する、請求項１２に記載の方法。
【請求項16】
前記第１ステップにおいて、さらに
前記マルチスペクトルカメラで前記地域を撮像したときの前記地域の温度の情報を関連付けて前記メモリに記憶させる、
請求項１２に記載の方法。
前記マルチスペクトルカメラで前記地域を撮像したときの前記地域の温度の情報を関連付けて前記メモリに記憶させる、
請求項１２に記載の方法。
【請求項17】
前記メモリに蓄積されている情報のうち、前記作物の育成場所の周囲の地形が所定の条件を満たす場合に、当該所定の条件を満たす前記地域の前記スペクトル画像を抽出し、抽出した前記スペクトル画像を指定可能に前記ユーザに提示する、
請求項１２に記載の方法。
請求項１２に記載の方法。
【請求項18】
前記ユーザから、前記地域に関する情報の入力を受け付けることに応答して、当該入力にかかる前記地域の前記スペクトル画像を抽出し、抽出した前記スペクトル画像を指定可能に前記ユーザに提示する、
請求項１２に記載の方法。
請求項１２に記載の方法。
【請求項19】
請求項１に記載の方法をコンピュータに実行させるためのプログラム。
【請求項20】
請求項１に記載の方法を実行する情報処理装置。
【発明の詳細な説明】
【技術分野】
【0001】
本開示は、方法、プログラム及び情報処理装置に関する。
【背景技術】
【0002】
農作物（以下、本明細書において概括的に「作物」と称する）の生育や病害虫・土壌の状態を把握する等の目的で、作物が生育されている土地をスペクトルカメラを用いて撮像して、この土地のスペクトル画像を取得する技術が知られている（例えば特許文献１参照）。
【先行技術文献】
【特許文献】
【0003】
【特許文献1】国際公開第２０１７／１７９３７８号
【発明の概要】
【発明が解決しようとする課題】
【0004】
農業事業者にとっては、作物を育成し、収穫をするにあたっては、どこに作物を植えたかは育成者は把握していると考えられる。一方、作物を収穫して出荷するにあたり、単に植生が濃いかどうかだけでは、作物の育成状況が良好であるかどうか判断できないこともあり得る。
【0005】
従って、作物を育成し、収穫をする事業を行う事業者にとって、より適切に育成状況を管理することが可能な技術が必要とされている。
【0006】
そこで、本開示は、上記課題を解決すべくなされたものであって、その目的は、収穫をする事業を行う事業者にとって、より適切に育成状況を管理することを可能とする方法、プログラム及び情報処理装置を提供することである。
【課題を解決するための手段】
【0007】
一実施形態によると、コンピュータを動作させるための方法が提供される。この方法は、コンピュータのプロセッサに、マルチスペクトルカメラにより撮影されるスペクトル画像と比較するための、観測対象である作物が特定の状態であることを検知するための情報をメモリに記憶させる第１ステップと、観測対象の地域において、作物が特定の状態であることを検知するための波長によりマルチスペクトルカメラで撮影させることでスペクトル画像を生成する第２ステップと、撮影した結果であるスペクトル画像と、作物が特定の状態であることを検知するための情報とに基づいて、観測対象の地域において特定の状態にある作物がある地域を特定する第３ステップと、特定した地域の情報を出力する第４ステップと、を実行させる。
【発明の効果】
【0008】
本開示によれば、収穫をする事業を行う事業者にとって、より適切に育成状況を管理することが可能となる。
【図面の簡単な説明】
【0009】
【図1】実施形態に係るシステムの概要を示す図である。
【図2】実施形態に係るシステムの構成を示すブロック図である。
【図3】実施形態に係るドローンを示す正面図である。
【図4】実施形態に係るドローンを示す平面図である。
【図5】実施形態に係るドローンのハードウェア構成を示すブロック図である。
【図6】実施形態に係るドローンの機能的な構成を示すブロック図である。
【図7】実施形態に係るドローンによる土地の撮像状態を示す概念図である。
【図8】実施形態に係る衛星のハードウェア構成を示すブロック図である。
【図9】実施形態に係る衛星の機能的な構成を示すブロック図である。
【図10】実施形態に係る衛星による土地の撮像状態を示す概念図である。
【図11】実施形態に係る情報処理装置のハードウェア構成を示すブロック図である。
【図12】実施形態に係る情報処理装置の機能的な構成を示す図である。
【図13】実施形態に係る衛星に格納された第１撮像条件ＤＢのデータ構造を示す図である。
【図14】実施形態に係る衛星に格納された画像ＤＢのデータ構造を示す図である。
【図15】実施形態に係るドローンに格納された第２撮像終了時刻ＤＢのデータ構造を示す図である。
【図16】実施形態に係るドローンに格納された飛行計画ＤＢのデータ構造を示す図である。
【図17】実施形態に係る情報処理装置に格納された広域画像ＤＢのデータ構造を示す図である。
【図18】実施形態に係る衛星の動作の一例を説明するためのフローチャートである。
【図19】実施形態に係る情報処理装置の動作の一例を説明するためのフローチャートである。
【図20】実施形態に係るドローンの動作の一例を説明するためのフローチャートである。
【図21】実施形態に係る情報処理装置の動作の他の例を説明するためのフローチャートである。
【図22】実施形態に係る情報処理装置における広域画像生成の動作の一例を示す図である。
【図23】スペクトル画像により作物が特定の状態にあることを判定する手順を示す概念図である。
【図24】実施形態に係る情報処理装置に表示される画面の一例を示す図である。
【図25】実施形態に係る情報処理装置に表示される画面の他の例を示す図である。
【発明を実施するための形態】
【0010】
以下、本開示の実施形態について図面を参照して説明する。実施形態を説明する全図において、共通の構成要素には同一の符号を付し、繰り返しの説明を省略する。なお、以下の実施形態は、特許請求の範囲に記載された本開示の内容を不当に限定するものではない。また、実施形態に示される構成要素のすべてが、本開示の必須の構成要素であるとは限らない。また、各図は模式図であり、必ずしも厳密に図示されたものではない。
【0011】
また、以下の説明において、「プロセッサ」は、１以上のプロセッサである。少なくとも１つのプロセッサは、典型的には、ＣＰＵ（Central Processing Unit）のようなマイクロプロセッサであるが、ＧＰＵ（Graphics Processing Unit）のような他種のプロセッサでもよい。少なくとも１つのプロセッサは、シングルコアでもよいしマルチコアでもよい。
【0012】
また、少なくとも１つのプロセッサは、処理の一部又は全部を行うハードウェア回路（例えばＦＰＧＡ（Field-Programmable Gate Array）又はＡＳＩＣ（Application Specific Integrated Circuit））といった広義のプロセッサでもよい。
【0013】
また、以下の説明において、「ｘｘｘテーブル」といった表現により、入力に対して出力が得られる情報を説明することがあるが、この情報は、どのような構造のデータでもよいし、入力に対する出力を発生するニューラルネットワークのような学習モデルでもよい。従って、「ｘｘｘテーブル」を「ｘｘｘ情報」と言うことができる。
【0014】
また、以下の説明において、各テーブルの構成は一例であり、１つのテーブルは、２以上のテーブルに分割されてもよいし、２以上のテーブルの全部又は一部が１つのテーブルであってもよい。
【0015】
また、以下の説明において、「プログラム」を主語として処理を説明する場合があるが、プログラムは、プロセッサによって実行されることで、定められた処理を、適宜に記憶部及び／又はインタフェース部などを用いながら行うため、処理の主語が、プロセッサ（或いは、そのプロセッサを有するコントローラのようなデバイス）とされてもよい。
【0016】
プログラムは、計算機のような装置にインストールされてもよいし、例えば、プログラム配布サーバ又は計算機が読み取り可能な（例えば非一時的な）記録媒体にあってもよい。また、以下の説明において、２以上のプログラムが１つのプログラムとして実現されてもよいし、１つのプログラムが２以上のプログラムとして実現されてもよい。
【0017】
また、以下の説明において、種々の対象の識別情報として、識別番号が使用されるが、識別番号以外の種類の識別情報（例えば、英字や符号を含んだ識別子）が採用されてもよい。
【0018】
また、以下の説明において、同種の要素を区別しないで説明する場合には、参照符号（又は、参照符号のうちの共通符号）を使用し、同種の要素を区別して説明する場合は、要素の識別番号（又は参照符号）を使用することがある。
【0019】
また、以下の説明において、制御線や情報線は、説明上必要と考えられるものを示しており、製品上必ずしも全ての制御線や情報線を示しているとは限らない。全ての構成が相互に接続されていてもよい。
【0020】
本明細書において、「スペクトル画像」とは、物体からの反射光のうち特定の波長帯域（含む特定の波長）の反射光のみからなる画像を意味する。スペクトル画像は、一例として、後述する実施形態に示すように、物体（作物）からの反射光を、特定の波長帯域のみ通過させるフィルタ（好ましくは透過波長帯域が可変の）を通過させることで、特定の波長帯域の反射光のみをイメージセンサに結像させ、このイメージセンサから出力される撮像信号に基づいて生成される。あるいは、フィルタを介さずに物体からの反射光をイメージセンサに結像させ、このイメージセンサから出力される撮像信号を信号処理により特定の波長帯域のみの撮像信号に変換する（フィルタリングする）ことでも生成される。なお、同一の物体について特定の波長帯域の反射光のみからなるスペクトル画像を複数まとめた画像もスペクトル画像と称することがある。
【0021】
また、本明細書において、「飛行体」とは、空中を飛行し、搭乗員なしに操縦しうる移動体（例えば、遠隔から無線で操縦し得るか、または自律的に操縦し得る航空機、ドローン、衛星、飛行船）を指す意味で用いる。
【0022】
さらに、本明細書において、作物が「特定の状態」にあるとは、次の内容を包含するものである。
・作物が病気になっているかどうか、及び、どの病気になっているかどうか、どの病気になりそうか
・作物の生育状態（生育状態には収穫可能かどうかも含まれる）
・対象領域が森林であれば植生の状態、植生の分布
・作物が病気になっているかどうか、及び、どの病気になっているかどうか、どの病気になりそうか
・作物の生育状態（生育状態には収穫可能かどうかも含まれる）
・対象領域が森林であれば植生の状態、植生の分布
【0023】
そして、作物には農作物のみならず草木も含まれる。従って、作物が特定の状態にあるとは、農作物を生育している草木の状態（例えば、農作物が林檎であればこの林檎を生育している木の葉の状態など）も含まれる。
【0024】
＜実施形態＞
＜実施形態の概要＞
実施形態に係るシステムでは、作物が栽培されている領域を含む地表面を第１のマルチスペクトルカメラにより撮像し、撮像して得られたスペクトル画像をオペレータが確認し、ある領域における特定の波長帯域におけるスペクトル画像の見え方の違い（これは、同一物体に対する特定の波長帯域における反射光とそれ以外の波長帯域における反射光との強弱に相当する）と、その領域における作物の特定の状態とをオペレータが関連付ける。この関連付けをライブラリとして保管しておく。次いで、観測対象の地域について同様に第２のマルチスペクトルカメラにより撮像してスペクトル画像を得る。そして、観測対象の地域を撮像したスペクトル画像を上述のライブラリに従って解析し、この地域において作物が特定の状態にある領域を特定する。
＜実施形態の概要＞
実施形態に係るシステムでは、作物が栽培されている領域を含む地表面を第１のマルチスペクトルカメラにより撮像し、撮像して得られたスペクトル画像をオペレータが確認し、ある領域における特定の波長帯域におけるスペクトル画像の見え方の違い（これは、同一物体に対する特定の波長帯域における反射光とそれ以外の波長帯域における反射光との強弱に相当する）と、その領域における作物の特定の状態とをオペレータが関連付ける。この関連付けをライブラリとして保管しておく。次いで、観測対象の地域について同様に第２のマルチスペクトルカメラにより撮像してスペクトル画像を得る。そして、観測対象の地域を撮像したスペクトル画像を上述のライブラリに従って解析し、この地域において作物が特定の状態にある領域を特定する。
【0025】
第１のマルチスペクトルカメラ及び第２のマルチスペクトルカメラは、好ましくは移動体に搭載され、この移動体を地表面及び観測対象の地域を移動させることでスペクトル画像を取得する。移動体の例としては、飛行体であるドローン、衛星が好適な例として挙げられるが、第１及び第２のマルチスペクトルカメラを移動させてスペクトル画像を取得できる移動体であれば特段の限定はない。さらには、移動体が飛行体である必要はなく、第１、第２のスペクトルカメラが搭載された移動体が地表面を移動してもよい。例えば、第１、第２のスペクトルカメラを保持したオペレータが地表面を徒歩で移動する、第１、第２のスペクトルカメラを搭載した自動車が地表面を走行する等の手段によりスペクトル画像を取得してもよい。一例として、特許６３４２５９４号に開示された分光端末装置をスマートフォンにより実現したマルチスペクトルカメラを用いたような態様が挙げられる。
【0026】
第１のマルチスペクトルカメラが搭載された移動体と第２のマルチスペクトルカメラが搭載された移動体とが同一である必要はない。後述する実施形態では、第１のマルチスペクトルカメラは衛星に搭載され、第２のマルチスペクトルカメラはドローンに搭載されているが、第１のマルチスペクトルカメラがドローンに搭載され、第２のマルチスペクトルカメラは衛星に搭載されていてもよい。さらには、第１、第２のマルチスペクトルカメラがいずれも衛星に搭載され、あるいは、第１、第２のマルチスペクトルカメラがいずれもドローンに搭載されていてもよい。さらには、上述したように、第１のマルチスペクトルカメラ及び第２のマルチスペクトルカメラの少なくとも一方が、地表面を移動する移動体に搭載されていてもよい。
【0027】
第１のマルチスペクトルカメラ及び第２のマルチスペクトルカメラは、いずれも複数の波長帯域における地表面からの反射光を受光し、この反射光に基づいてスペクトル画像を生成するものである。好ましくは、第１のマルチスペクトルカメラは、液晶波長可変フィルタのような、撮像する波長を切替可能な部材を有し、第２のマルチスペクトルカメラよりも多数の波長についてのスペクトル画像を生成することができる。一方、第２のマルチスペクトルカメラは、特定の波長についてのスペクトル画像を生成することができる。このとき、特定の波長は、第２のマルチスペクトルカメラによる観測対象の地域を撮像している間は切替ができないことが好ましい。つまり、特定の波長は予め定めた波長である。当然、第１のマルチスペクトルカメラにより撮像可能なスペクトル画像の波長帯域の数と第２のマルチスペクトルカメラにより撮像可能なスペクトル画像の波長帯域の数の大小関係に特段の制限はない。
【0028】
本明細書における「ライブラリ」とは、汎用性の高いデータセット及び／またはプログラムを指す。好ましくは、ライブラリは人工知能技術における教師データとして実現される。さらに好ましくは、本実施形態のシステムでは、教師データを用いて学習モデルを生成し、この学習モデルに基づいて作物が特定の状態にある領域を特定する。従って、以下の説明において、「ライブラリ」は主に教師データを指すものとして用いるが、教師データと学習モデルとを特段区別せずに「ライブラリ」と称することがある。なお、以下の説明において、学習モデルは既に学習されたモデル、つまり学習済みモデルも含むものとする。
【0029】
詳細は後述するが、ライブラリ作成時に、スペクトル画像が撮像された際の太陽高度を考慮する必要がある。これは、作物（特に作物の葉）に太陽が当たる角度により、作物からの反射光の波長分布が異なるので、太陽高度（太陽角度）がライブラリに与える影響を考慮する必要があるからである。しかし、第１のマルチスペクトルカメラで撮像されたスペクトル画像に基づいてライブラリを作成するに当たり、システムの運用当初は第１のマルチスペクトルカメラで撮像されたスペクトル画像のバリエーション（特に異なる太陽角度に基づくスペクトル画像のバリエーション）が不足し、ライブラリ作成の際に太陽角度を考慮したライブラリが作成しづらい可能性がある。
【0030】
そこで、第１のマルチスペクトルカメラで撮像されたスペクトル画像を一定の太陽角度のものとし（一例として南中高度時のスペクトル画像）、一定の太陽角度のスペクトル画像に基づいてライブラリを作成する。次いで、第２のマルチスペクトルカメラでスペクトル画像を取得する際に、第１のマルチスペクトルカメラによるスペクトル画像を取得した際の太陽角度と同じ太陽角度でスペクトル画像を取得し、太陽角度の影響をできるだけ排除して作物が特定の状態にある領域を特定する作業を行うことができる。
【0031】
この後、第１及び第２のマルチスペクトルカメラで取得したスペクトル画像のバリエーションを増加させ、つまり、様々な太陽角度におけるスペクトル画像を取得し、太陽角度がライブラリに与える影響を定式化することができる。
【0032】
ライブラリ作成時、さらには作物が特定の状態にある領域を特定する作業において、広範囲の観測対象の領域についてライブラリを作成し、また、領域特定作業をするニーズが存在する。一方で、第１、第２のマルチスペクトルカメラにより撮像されるスペクトル画像は、それぞれのマルチスペクトルカメラの画角、及び、マルチスペクトルカメラを搭載した移動体と地表面からの高度によりその撮像範囲は所定のものになる。この場合、複数のスペクトル画像をつないで広範囲のスペクトル画像を生成することが好ましい。スペクトル画像をつなぐ手法は周知であり、一例として、スペクトル画像からオルソ画像を生成し、このオルソ画像をつなぐ手法が挙げられる。スペクトル画像をつなぐ手法は、第１のマルチスペクトルカメラ、第２のマルチスペクトルカメラのいずれから取得されたスペクトル画像に適用してもよい。
【0033】
図１を参照して、実施形態である方法が適用されたシステムの概要について説明する。本実施形態のシステムでは、第１のマルチスペクトルカメラを衛星に搭載し、第２のマルチスペクトルカメラをドローンに搭載した例を中心に説明するが、第１及び第２のマルチスペクトルカメラが搭載される移動体及び第１及び第２のマルチスペクトルカメラの移動方法については実施形態の開示に制限されない。さらに、第１及び第２のマルチスペクトルカメラの構成（特に取得できるスペクトル画像の波長帯域の数）についても実施形態の開示に限定されない。
【0034】
実施形態に係るシステム１では、ライブラリ作成のためのスペクトル画像を飛行体の一例である衛星２に搭載した第１のマルチスペクトルカメラにより生成し、観測対象の地域を飛行体の一例であるドローン３に搭載した第２のマルチスペクトルカメラにより撮像して、得られたスペクトル画像を作物が特定の状態にある領域を特定するために用いている。
【0035】
しかしながら、ライブラリ作成のためのスペクトル画像を撮像するための飛行体と領域特定のためのスペクトル画像を撮像するための飛行体とは同一であってもよいし、その種類には制限はない。但し、ライブラリ作成のためのスペクトル画像を衛星２により撮像することで、より広範囲の地表面からのスペクトル画像を能率良く入手できるメリットがある。一方、領域特定のためのスペクトル画像をドローン３により撮像することで、状態特定をすべき地域に絞ってドローン３を飛行させて簡便にスペクトル画像を入手でき、さらに、同一地域を多数回撮像する際のコストを低廉化できるメリットがある。
【0036】
また、詳細については後述するが、衛星２には、液晶波長可変フィルタ（ＬＣＴＦ：Liquid Crystal Tunable Filter）を用いた第１のマルチスペクトルカメラを搭載し、一方、ドローン３には、ライブラリ作成において作物が特定の状態にあることを明確に特定しうる複数の波長帯域の組合せによるスペクトル画像を撮像可能な第２のマルチスペクトルカメラ（好ましくは、特定の波長帯域の反射光のみを撮像可能なカメラを複数台搭載したマルチスペクトルカメラ）を搭載している。当然、複数の波長帯域における反射光に基づいて撮像可能なマルチスペクトルカメラであればその構成に限定はない。また、ドローン３にＬＴＣＦを用いた第１のマルチスペクトルカメラを搭載し、衛星２に複数の波長帯域の組合せによるスペクトル画像を撮像可能な第２のマルチスペクトルカメラを搭載してもよい。
【0037】
衛星２に搭載した第１のマルチスペクトルカメラは、液晶波長可変フィルタの作用により、可視域から近赤外域までの広い波長帯域における反射光のうち、特定の波長帯域における反射光を撮像可能である。地表面からの反射光を撮像するにあたって、本実施例のシステム１では、広い波長帯域を走査して、同一領域に対して多数の波長帯域における反射光に基づくスペクトル画像を撮像する。
【0038】
衛星２に搭載した第１のマルチスペクトルカメラにより撮像されたスペクトル画像は情報処理装置４に送信される。情報処理装置４のオペレータは、衛星２に搭載した第１のマルチスペクトルカメラにより同一領域を撮像したたスペクトル画像のうち、複数（好ましくは３波長帯域以上）のスペクトル画像を対比し、それぞれのスペクトル画像における濃淡のパターンから、作物が特定の状態にあることを示す濃淡のパターンを特定し、この濃淡のパターンと特定の状態を示す情報とを関連付ける。従って、情報処理装置４のオペレータは、上述した同一領域における地表面の作物の生育状態を把握し、この生育状態に基づいて、どの領域の作物がどのような特定の状態にあるかを事前に把握していることが前提となる。上述した関連付けはライブラリとして情報処理装置４のメモリ内に格納される。好ましくは、このライブラリは、人工知能技術における教師データとして実現される。さらに好ましくは、ライブラリ作成時に、衛星２により地表面を撮像した時刻から地表面に対する太陽の角度を取得または算出し、この太陽の角度も関連付けてライブラリを作成する。但し、既に説明したように、太陽角度の依存性についてはシステム１の運用当初を含めて必須ではない。
【0039】
次いで、作物が特定の状態にあるか否かの判定対象となる観測対象の地域を、予め定めた飛行計画に基づいてドローン３を飛行させ、このドローン３に搭載された第２のマルチスペクトルカメラにより撮像する。上述したように、ドローン３に搭載された第２のマルチスペクトルカメラによる撮像範囲は比較的狭いので、好ましくは、同時に複数台のドローン３を飛行させて並列的に第２のマルチスペクトルカメラにより撮像することが好ましい。
【0040】
飛行計画は、情報処理装置４のオペレータが事前に作成することが好ましい。この際、オペレータは、観測対象の地域の地形を事前に把握し、作物が特定の状態にあることが予想される地域を重点的にドローン３により飛行させる飛行計画を作成することが好ましい。この際、情報処理装置４が、作物が特定の状態にあることが予想される地域を推奨する態様も可能である。作物が特定の状態にあることが予想される地域は、例えば、作物が湿度に影響される場合は川沿いの地域、霧が長時間発生することが予想される地域、さらには特定の高度の幅において作物が特定の状態にあることが予想される場合、この高度幅の地域などがある。
【0041】
本実施例のシステム１では、特定の状態であるか否かを顕著に把握可能な複数の波長帯域を事前に選択し、これら波長帯域のそれぞれの反射光を撮像可能なカメラを複数台（好ましくは３台以上、より好ましくは４台）用意し、これら複数台のカメラによりマルチスペクトルカメラを構成している。
【0042】
このような第２のマルチスペクトルカメラにより観測対象の地域を撮像して得られたスペクトル画像を情報処理装置４に入力し、ライブラリと対比して、作物が特定の状態にある領域を特定する。図１においては、ハッチングで示された領域が、作物が特定の状態にある領域であるとして特定されている。この際、情報処理装置４は、ドローン３に搭載した第２のマルチスペクトルカメラにより撮像された個々のスペクトル画像をつなぎ合わせて１枚のスペクトル画像を生成し、このスペクトル画像を用いて作物が特定の状態にある領域を特定することが好ましい。これは、ドローン３は衛星２に比較して低空を飛行するため、観測対象となる地域が広範囲にわたる場合、１枚のスペクトル画像では観測対象の地域の全てを特定対象とすることが難しいからである。スペクトル画像をつなぎ合わせる意味は衛星２に搭載した第１のマルチスペクトルカメラから得られるスペクトル画像についても同様に当てはまるので、既に説明したように、第１のマルチスペクトルカメラから得られるスペクトル画像についても適宜つなぎ合わせることが好ましい。好ましくは、作物が特定の状態にある領域を特定する際に、スペクトル画像撮像時の地域の太陽の角度を取得、算出し、この太陽の角度を考慮して、作物が特定の状態にある領域を特定する。
【0043】
＜システム１の基本構成＞
図２を参照して、実施形態である方法が適用されたシステム１の基本構成について説明する。
図２を参照して、実施形態である方法が適用されたシステム１の基本構成について説明する。
【0044】
本実施形態のシステム１は、ネットワークＮを介して接続された情報処理装置１０及びドローン２０、衛星３０を有する。情報処理装置１０のハードウェア構成を図１１に、ドローン２０のハードウェア構成を図５に、衛星３０のハードウェア構成を図８に示す。これらドローン２０及び衛星３０は情報処理装置を搭載している。
【0045】
情報処理装置は演算装置と記憶装置とを備えたコンピュータにより構成されている。コンピュータの基本ハードウェア構成および、当該ハードウェア構成により実現されるコンピュータの基本機能構成は後述する。
【0046】
ネットワークＮは、インターネット、ＬＡＮ、無線基地局等によって構築される各種移動通信システム等で構成される。例えば、ネットワークには、３Ｇ、４Ｇ、５Ｇ移動通信システム、ＬＴＥ（Long Term Evolution）、所定のアクセスポイントによってインターネットに接続可能な無線ネットワーク（例えばＷｉ－Ｆｉ（登録商標））等が含まれる。無線で接続する場合、通信プロトコルとして例えば、Ｚ－Ｗａｖｅ（登録商標）、ＺｉｇＢｅｅ（登録商標）、Ｂｌｕｅｔｏｏｔｈ（登録商標）等が含まれる。有線で接続する場合は、ネットワークには、ＵＳＢ（Universal Serial Bus）ケーブル等により直接接続するものも含む。
【0047】
情報処理装置１０は、衛星３０が撮像したスペクトル画像を受け入れ、このスペクトル画像に基づいてライブラリを作成する。そして、情報処理装置１０は、ドローン２０が撮像したスペクトル画像を受け入れ、このスペクトル画像及びライブラリに基づいて、観測対象の地域において作物が特定の状態にある領域を特定する。
【0048】
以下、各装置の構成およびその動作を説明する。
【0049】
＜ドローン２０のハードウェア構成＞
本実施形態のドローン２０は、静止飛行可能に構成されており、図３及び図４に示すように、スペクトルカメラ制御装置２１と、このスペクトルカメラ制御装置２１により制御されるスペクトルカメラ２２とを有するスペクトルカメラ制御システム２３を搭載している。以下、各構成について詳細に説明する。
本実施形態のドローン２０は、静止飛行可能に構成されており、図３及び図４に示すように、スペクトルカメラ制御装置２１と、このスペクトルカメラ制御装置２１により制御されるスペクトルカメラ２２とを有するスペクトルカメラ制御システム２３を搭載している。以下、各構成について詳細に説明する。
【0050】
ドローン２０は、空中で静止飛行する機能、いわゆるホバリング機能を有する飛行体であり、本実施形態では、複数枚の回転翼を有するマルチコプタ型のドローンである。また、本実施形態のドローン２０は、予め指定された飛行経路を自律飛行する機能および通信装置等からの遠隔操作によって飛行する機能を有している。さらに、ドローン２０は、図３及び図４において図示しないが、飛行中の自機の位置（緯度・経度）および高度を検出するためのＧＰＳ（Global Positioning System）受信機と、飛行中の自機の姿勢を検出する姿勢センサとを有している。
【0051】
ドローン２０は、図５に示すように、スペクトルカメラ制御装置２１と、このスペクトルカメラ制御装置２１により制御される第２のマルチスペクトルカメラであるスペクトルカメラ２２とを有するスペクトルカメラ制御システム２３を搭載している。
【0052】
スペクトルカメラ制御システム２３は、図５に示すように、主として、スペクトルカメラ２２と、このスペクトルカメラ２２の姿勢および位置の情報を検出する姿勢位置検出器２４と、スペクトルカメラ２２を制御するスペクトルカメラ制御装置２１と、これら各機器に電力を供給するバッテリ２５とを有する。
【0053】
スペクトルカメラ２２は、図５に示すように、ドローン２０が静止飛行中に、地表面が撮像対象となるように鉛直下方に向けてドローン２０に搭載されている。
【0054】
本実施形態のドローン２０に搭載されているスペクトルカメラ２２は、後述するライブラリ生成の結果、作物が特定の状態にあることを検出することが可能な複数の波長帯域の組合せのそれぞれに対応した波長帯域の反射光が検出可能なイメージセンサを有する。詳しくは、スペクトルカメラ２２は、イメージセンサと複数の波長帯域の光のみ通過可能な複数のフィルタを有し、スペクトルカメラ２２による地表面撮像時に、複数のフィルタを適宜切り替えて（差し替えて）、個々の波長帯域の反射光のみイメージセンサに到達させ、フィルタの切替を連続的に行うことで、複数の波長帯域の組合せのそれぞれに対応した波長帯域の反射光に基づく撮像結果を得る。
【0055】
この際、ドローン２０による観測対象の地域を撮像するに先立って、作物がどの特定の状態にあるかを検出するかを予め決定し、決定結果に基づいて定められたフィルタの組合せからなるスペクトルカメラ２２がドローン２０に搭載される。但し、単一の波長帯域の光のみ撮像可能なカメラを複数台搭載し、これら複数台のカメラによりスペクトルカメラ２２を構成してもよい。このように、スペクトルカメラ２２は、予め定めた特定の波長帯域の反射光に基づくスペクトル画像２１０４を生成するものであり、ドローン２０による観測対象の地域を撮像している間において波長帯域の切替を行わない構成である。なお、上述の記載は、スペクトルカメラ２２が、衛星３０に搭載されるスペクトルカメラ３２と同様に、複数の波長帯域を任意に切替可能な構成であることを排除する趣旨ではない。
【0056】
イメージセンサは、スナップショット方式でスペクトル画像を撮像するものである。本実施形態において、イメージセンサ２２２は、ＣＭＯＳイメージセンサやＣＣＤイメージセンサ等の視野内を同じタイミングで撮像可能な二次元イメージセンサからなる。また、イメージセンサ２２２は、スペクトルカメラ制御装置２１から送信される撮像指令信号に基づいて撮像を実行するようになっている。
【0057】
姿勢位置検出器２４は、スペクトルカメラ２２の姿勢および位置の状態を検出する機器である。本実施形態における姿勢位置検出器２４は、スペクトルカメラ２２の位置情報および高度情報を検出するＧＰＳ受信機２４０と、前記スペクトルカメラ２２の姿勢情報を検出する姿勢センサ２４１とを有する。
【0058】
ＧＰＳ受信機２４０は、複数の人工衛星の位置を捕捉することで現在の位置情報および高度情報を取得するものである。本実施形態におけるＧＰＳ受信機２４０は、位置情報として経度情報および緯度情報を取得するとともに、高度情報として標高の情報を取得するようになっている。なお、位置情報および高度情報は、ＧＰＳ受信機２４０により取得するものに限定されるものではなく、他の方法により取得してもよい。例えば、基準点を定めレーザー光や音響の反射を用いた距離計測器等によって前記基準点からの距離や高度情報として取得してもよい。
【0059】
姿勢センサ２４１は、スペクトルカメラ２２の傾斜角度、角速度および加速度の姿勢情報を検出するものである。本実施形態における姿勢センサ２４１は、図示しないが、ジャイロ特性を利用したジャイロセンサと加速度センサとから構成され、姿勢情報として傾斜角度、角速度および３軸方向の加速度を取得するようになっている。
【0060】
なお、本実施形態では、スペクトルカメラ制御システム２３として備えられている姿勢位置検出器２４から位置情報および姿勢情報を取得しているが、この構成に限定されるものではない。例えば、ドローン２０が既に備えているＧＰＳ受信機および姿勢センサから位置情報および姿勢情報を取得するようにしてもよい。
【0061】
＜スペクトルカメラ制御装置２１の機能構成＞
ドローン２０のスペクトルカメラ制御装置２１が実現する機能構成を図６に示す。スペクトルカメラ制御装置２１は、記憶部２１０、制御部２１１、通信部２１２を備える。通信部２１２はスペクトルカメラ制御装置２１が有する図略の通信ＩＦにより構成され、記憶部２１０はスペクトルカメラ制御装置２１の図略の主記憶装置及び補助記憶装置により構成され、制御部２１１は主にスペクトルカメラ制御装置２１の図略のプロセッサにより構成される。
ドローン２０のスペクトルカメラ制御装置２１が実現する機能構成を図６に示す。スペクトルカメラ制御装置２１は、記憶部２１０、制御部２１１、通信部２１２を備える。通信部２１２はスペクトルカメラ制御装置２１が有する図略の通信ＩＦにより構成され、記憶部２１０はスペクトルカメラ制御装置２１の図略の主記憶装置及び補助記憶装置により構成され、制御部２１１は主にスペクトルカメラ制御装置２１の図略のプロセッサにより構成される。
【0062】
通信部２１２は、図略のネットワークＮを介して情報処理装置１０等との間での通信を行う。
【0063】
＜スペクトルカメラ制御装置２１の記憶部２１０の構成＞
スペクトルカメラ制御装置２１の記憶部２１０は、飛行計画ＤＢ（DataBase）２１０１、第２撮像条件ＤＢ２１０２、画像ＤＢ２１０３及びスペクトル画像２１０４を有する。
スペクトルカメラ制御装置２１の記憶部２１０は、飛行計画ＤＢ（DataBase）２１０１、第２撮像条件ＤＢ２１０２、画像ＤＢ２１０３及びスペクトル画像２１０４を有する。
【0064】
これら飛行計画ＤＢ２１０１等のうち、スペクトル画像２１０４を除くものは全てデータベースである。ここに言うデータベースは、リレーショナルデータベースを指し、行と列によって構造的に規定された表形式のテーブルと呼ばれるデータ集合を、互いに関連づけて管理するためのものである。データベースでは、表をテーブル、表の列をカラム、表の行をレコードと呼ぶ。リレーショナルデータベースでは、テーブル同士の関係を設定し、関連づけることができる。
【0065】
通常、各テーブルにはレコードを一意に特定するための主キーとなるカラムが設定されるが、カラムへの主キーの設定は必須ではない。制御部２１１は、各種プログラムに従ってプロセッサに、記憶部２１０に記憶された特定のテーブルにレコードを追加、削除、更新を実行させることができる。
【0066】
飛行計画ＤＢ２１０１は、ドローン２０を空中で飛行させる際に、所定経路に従ってこのドローン２０を飛行させるための飛行計画が格納されたデータベースであり、第２撮像条件ＤＢ２１０２は、ドローン２０に搭載したスペクトルカメラ２２により観測対象の地域を撮像する際の条件に関するデータベースであり、画像ＤＢ２１０３は、第２撮像条件ＤＢ２１０２に従ってスペクトルカメラ２２が撮像した結果得られたスペクトル画像２１０４を管理するためのデータベースであり、スペクトル画像２１０４は、第２撮像条件ＤＢ２１０２に従ってスペクトルカメラ２２が撮像した結果得られたスペクトル画像である。飛行計画ＤＢ２１０１、第２撮像条件ＤＢ２１０２及び画像ＤＢ２１０３の詳細については後述する。
＜スペクトルカメラ制御装置２１の制御部２１１の構成＞
＜スペクトルカメラ制御装置２１の制御部２１１の構成＞
【0067】
スペクトルカメラ制御装置２１の制御部２１１は、受信制御部２１１０、送信制御部２１１１、飛行制御部２１１２、姿勢位置情報取得部２１１３、及び撮像制御部２１１４を備える。制御部２１１は、記憶部２１０に記憶されたアプリケーションプログラム２１００を実行することにより、これら受信制御部２１１０等の機能ユニットが実現される。
【0068】
受信制御部２１１０は、スペクトルカメラ制御装置２１が外部の装置から通信プロトコルに従って信号を受信する処理を制御する。
【0069】
送信制御部２１１１は、スペクトルカメラ制御装置２１が外部の装置に対し通信プロトコルに従って信号を送信する処理を制御する。
【0070】
飛行制御部２１１２は、飛行計画ＤＢ２１０１により指定された目標地点の地理的情報及び姿勢位置情報取得部２１１３が取得した姿勢位置情報に基づいて、この飛行計画ＤＢ２１０１により指定された目標地点に向けてドローン２０の飛行を制御する。
【0071】
姿勢位置情報取得部２１１３は、姿勢位置検出器２４が検出したドローン２０の位置情報、高度情報及び姿勢情報を取得し、取得結果を飛行制御部２１１２や撮像制御部２１１４に提供する。
【0072】
撮像制御部２１１４は、第２撮像条件ＤＢ２１０２を参照し、第２撮像条件ＤＢ２１０２により指定された撮像位置においてスペクトルカメラ２２により観測対象の地域を撮像し、撮像されたスペクトル画像２１０４を記憶部２１０に格納するとともに、スペクトル画像２１０４を撮像した際の条件等を画像ＤＢ２１０３に格納する。
【0073】
図７に、本実施形態のドローン２０により観測対象の地域を撮像してスペクトル画像を取得する状態を概念的に示す。スペクトルカメラ２２による一度の撮像領域は、一例として一辺が１５０ｍ程度の矩形（正方形）領域であり、この時のドローン２０の高度は１５０ｍ程度である。
【0074】
＜衛星３０のハードウェア構成＞
本実施形態の衛星３０は、地球の上空に設けられた周回軌道上を略一定の速度で周回する。衛星３０は、図８に示すように、スペクトルカメラ制御装置３１と、このスペクトルカメラ制御装置３１により制御される第１のマルチスペクトルカメラであるスペクトルカメラ３２とを有するスペクトルカメラ制御システム３３を搭載している。これらスペクトルカメラ制御装置３１、スペクトルカメラ３２及びスペクトルカメラ制御システム３３の構成はドローン２０のスペクトルカメラ制御装置２１、スペクトルカメラ２２及びスペクトルカメラ制御システム２３と類似している。従って、略同一の構成については説明を省略し、主な相違点に絞って説明を行う。
本実施形態の衛星３０は、地球の上空に設けられた周回軌道上を略一定の速度で周回する。衛星３０は、図８に示すように、スペクトルカメラ制御装置３１と、このスペクトルカメラ制御装置３１により制御される第１のマルチスペクトルカメラであるスペクトルカメラ３２とを有するスペクトルカメラ制御システム３３を搭載している。これらスペクトルカメラ制御装置３１、スペクトルカメラ３２及びスペクトルカメラ制御システム３３の構成はドローン２０のスペクトルカメラ制御装置２１、スペクトルカメラ２２及びスペクトルカメラ制御システム２３と類似している。従って、略同一の構成については説明を省略し、主な相違点に絞って説明を行う。
【0075】
スペクトルカメラ制御システム３３は、主として、液晶波長可変フィルタ３４を備えたスペクトルカメラ３２と、このスペクトルカメラ３２の姿勢および位置の情報を検出する姿勢位置検出器３５と、前記スペクトルカメラ３２の液晶波長可変フィルタ３４を制御する液晶波長可変フィルタ制御回路３６と、前記スペクトルカメラ３２を制御するスペクトルカメラ制御装置３１と、これら各機器に電力を供給するバッテリ３７とを有する。
【0076】
スペクトルカメラ３２は、スナップショット方式でスペクトル画像を撮像するためのものであり、主に、レンズ群３２０と、偏光を非偏光にするための偏光解消板３２１と、透過波長を任意に選択できる液晶波長可変フィルタ３４と、二次元のスペクトル画像を撮像するイメージセンサ３２２とを有している。
【0077】
レンズ群３２０は、光の屈折を利用して撮像対象からの光を液晶波長可変フィルタ３４に透過させるとともに、透過後の光をイメージセンサ３２２に集光させるものである。本実施形態におけるレンズ群３２０は、撮像対象の光を集光して液晶波長可変フィルタ３４に入光させる入光レンズ３２０ａと、前記液晶波長可変フィルタ３４を透過後の透過波長のみの光をイメージセンサ３２２に集光する集光レンズ３２０ｂとによって構成されている。なお、各レンズの種類や枚数は特に限定されるものではなく、スペクトルカメラ３２の性能等に応じて適宜選択してよい。
【0078】
偏光解消板３２１は、偏光を解消して非偏光にするためのものである。本実施形態において、偏光解消板３２１は、液晶波長可変フィルタ３４の入光側に設けられ、液晶波長可変フィルタ３４を透過する前の光の偏光を解消し、偏光特性を軽減するようになっている。
【0079】
液晶波長可変フィルタ３４は、予め定めた波長範囲内から透過波長を任意に選択できる光学フィルタである。液晶波長可変フィルタ３４は、図示しないが、板状の液晶素子と板状の偏光素子とを交互に複数枚重ね合わせた構成を有している。各液晶素子は、液晶波長可変フィルタ制御回路３６から供給される印加電圧によって配向状態が独立に制御される。このため、液晶波長可変フィルタ３４は、前記液晶素子の配向状態と前記偏光素子との組み合わせにより、任意の波長の光を透過させられるようになっている。
【0080】
なお、本実施形態において、液晶波長可変フィルタ３４の透過波長の幅は、約２０ｎｍ以下であり、透過中心波長を１ｎｍごとに設定でき、波長切り換え時間は１０ｍｓ～数１００ｍｓ程度である。
【0081】
イメージセンサ３２２は、スナップショット方式でスペクトル画像を撮像するものである。本実施形態において、イメージセンサ３２２は、ＣＭＯＳイメージセンサやＣＣＤイメージセンサ等の視野内を同じタイミングで撮像可能な二次元イメージセンサからなる。また、イメージセンサ３２２は、スペクトルカメラ制御装置３１から送信される撮像指令信号に基づいて撮像を実行するようになっている。
【0082】
液晶波長可変フィルタ制御回路３６は、液晶波長可変フィルタ３４を制御するものである。本実施形態において、液晶波長可変フィルタ制御回路３６は、スペクトルカメラ制御装置３１から送信される波長特定信号を受信すると、当該波長特定信号に応じた印加電圧を液晶波長可変フィルタ３４の液晶素子に供給するようになっている。また、波長特定信号には、液晶波長可変フィルタ３４により透過させる透過波長の情報が含まれており、液晶波長可変フィルタ制御回路３６では、前記透過波長の情報に基づいてどの液晶素子に印加電圧を供給するかを判別し、特定された液晶素子に印加電圧を供給するようになっている。
【0083】
なお、本実施形態における液晶波長可変フィルタ制御回路３６は、スペクトルカメラ制御装置３１等の他の構成から独立して構成されているが、これに限定されるものではなく、例えば、スペクトルカメラ制御装置３１またはスペクトルカメラ３２が備えていてもよい。
【0084】
＜スペクトルカメラ制御装置３１の機能構成＞
衛星３０のスペクトルカメラ制御装置３１が実現する機能構成を図９に示す。スペクトルカメラ制御装置３１は、記憶部３１０、制御部３１１、通信部３１２を備える。通信部３１２はスペクトルカメラ制御装置３１が有する図略の通信ＩＦにより構成され、記憶部３１０はスペクトルカメラ制御装置３１の図略の主記憶装置及び補助記憶装置により構成され、制御部３１１は主にスペクトルカメラ制御装置３１の図略のプロセッサにより構成される。
衛星３０のスペクトルカメラ制御装置３１が実現する機能構成を図９に示す。スペクトルカメラ制御装置３１は、記憶部３１０、制御部３１１、通信部３１２を備える。通信部３１２はスペクトルカメラ制御装置３１が有する図略の通信ＩＦにより構成され、記憶部３１０はスペクトルカメラ制御装置３１の図略の主記憶装置及び補助記憶装置により構成され、制御部３１１は主にスペクトルカメラ制御装置３１の図略のプロセッサにより構成される。
【0085】
通信部３１２は、図略のネットワークＮを介して情報処理装置１０等との間での通信を行う。
【0086】
＜スペクトルカメラ制御装置３１の記憶部３１０の構成＞
スペクトルカメラ制御装置３１の記憶部３１０は、第１撮像条件ＤＢ（DataBase）３１０１、画像ＤＢ３１０２及びスペクトル画像３１０３を有する。
スペクトルカメラ制御装置３１の記憶部３１０は、第１撮像条件ＤＢ（DataBase）３１０１、画像ＤＢ３１０２及びスペクトル画像３１０３を有する。
【0087】
これら第１撮像条件ＤＢ３１０１等のうち、スペクトル画像３１０３を除くものは全てデータベースである。ここに言うデータベースは、リレーショナルデータベースを指し、行と列によって構造的に規定された表形式のテーブルと呼ばれるデータ集合を、互いに関連づけて管理するためのものである。データベースでは、表をテーブル、表の列をカラム、表の行をレコードと呼ぶ。リレーショナルデータベースでは、テーブル同士の関係を設定し、関連づけることができる。
【0088】
通常、各テーブルにはレコードを一意に特定するための主キーとなるカラムが設定されるが、カラムへの主キーの設定は必須ではない。制御部３１１は、各種プログラムに従ってプロセッサに、記憶部３１０に記憶された特定のテーブルにレコードを追加、削除、更新を実行させることができる。
【0089】
第１撮像条件ＤＢ３１０１は、衛星３０に搭載したスペクトルカメラ３２により地表面を撮像する際の条件に関するデータベースであり、画像ＤＢ３１０２は、第１撮像条件ＤＢ３１０１に従ってスペクトルカメラ３２が撮像した結果得られたスペクトル画像を管理するためのデータベースであり、スペクトル画像３１０３は、第１撮像条件ＤＢ３１０１に従ってスペクトルカメラ３２が撮像した結果得られたスペクトル画像である。第１撮像条件ＤＢ３１０１及び画像ＤＢ３１０２の詳細については後述する。
＜スペクトルカメラ制御装置３１の制御部３１１の構成＞
＜スペクトルカメラ制御装置３１の制御部３１１の構成＞
【0090】
スペクトルカメラ制御装置３１の制御部３１１は、受信制御部３１１０、送信制御部３１１１、撮像判定部３１１２、姿勢位置情報取得部３１１３、撮像制御部３１１４及び波長設定部３１１５を備える。制御部３１１は、記憶部３１０に記憶されたアプリケーションプログラム３１００を実行することにより、これら受信制御部３１１０等の機能ユニットが実現される。
【0091】
受信制御部３１１０は、スペクトルカメラ制御装置３１が外部の装置から通信プロトコルに従って信号を受信する処理を制御する。
【0092】
送信制御部３１１１は、スペクトルカメラ制御装置３１が外部の装置に対し通信プロトコルに従って信号を送信する処理を制御する。
【0093】
撮像判定部３１１２は、第１撮像条件ＤＢ３１０１に格納された撮像開始時刻、撮像終了時刻に基づいて、衛星３０に搭載されたスペクトルカメラ３２により地表面を撮像するか否かの判定を行い、判定結果を撮像制御部３１１４に送出する。
【0094】
姿勢位置情報取得部３１１３は、姿勢位置検出器３５が検出した衛星３０の位置情報、高度情報及び姿勢情報を取得し、取得結果を撮像制御部３１１４に提供する。
【0095】
撮像制御部３１１４は、撮像判定部３１１２からの判定結果を受け取り、この判定結果が撮像を行うものであった場合、スペクトルカメラ３２により地表面を撮像し、撮像されたスペクトル画像３１０３を記憶部３１０に格納するとともに、スペクトル画像３１０３を撮像した際の条件等を画像ＤＢ３１０２に格納する。
【0096】
図１０に、本実施形態の衛星３０により観測対象の地域を撮像してスペクトル画像を取得する状態を概念的に示す。スペクトルカメラ３２による一度の撮像領域は、一例として一辺が２～１０ｋｍ程度の矩形（正方形）領域であり、この時の衛星３０の高度は５００ｋｍ程度である。
【0097】
＜情報処理装置１０のハードウェア構成＞
図１１は、情報処理装置１０の基本的なハードウェア構成を示すブロック図である。情報処理装置１０は、プロセッサ１０１、主記憶装置１０２、補助記憶装置１０３、通信ＩＦ（Interface）１０４、入力ＩＦ１０５、出力ＩＦ１０６を少なくとも有する。これらは通信バス１０７により相互に電気的に接続される。また、情報処理装置１０には、入力ＩＦ１０５を介して入力装置１１０が、出力ＩＦ１０６を介して出力装置１１１がそれぞれ接続されている。
図１１は、情報処理装置１０の基本的なハードウェア構成を示すブロック図である。情報処理装置１０は、プロセッサ１０１、主記憶装置１０２、補助記憶装置１０３、通信ＩＦ（Interface）１０４、入力ＩＦ１０５、出力ＩＦ１０６を少なくとも有する。これらは通信バス１０７により相互に電気的に接続される。また、情報処理装置１０には、入力ＩＦ１０５を介して入力装置１１０が、出力ＩＦ１０６を介して出力装置１１１がそれぞれ接続されている。
【0098】
プロセッサ１０１とは、プログラムに記述された命令セットを実行するためのハードウェアである。プロセッサ１０１は、演算装置、レジスタ、周辺回路等から構成される。
【0099】
主記憶装置１０２とは、プログラム、及びプログラム等で処理されるデータ等を一時的に記憶するためのものである。例えば、ＤＲＡＭ（Dynamic Random Access Memory）等の揮発性のメモリである。
【0100】
補助記憶装置１０３とは、データ及びプログラムを保存するための記憶装置である。例えば、フラッシュメモリ、ＳＳＤ（Solid State Drive）、ＨＤＤ（Hard Disc Drive）、光磁気ディスク、ＣＤ－ＲＯＭ、ＤＶＤ－ＲＯＭ、半導体メモリ等である。
【0101】
通信ＩＦ１０４とは、有線又は無線の通信規格を用いて、他のコンピュータとネットワークを介して通信するための信号を入出力するためのインタフェースである。
【0102】
入力ＩＦ１０５は、情報処理装置１０の操作者（オペレータ）からの入力操作を受け付けるための入力装置１１０とのインタフェースとして機能する。出力ＩＦ１０６は、オペレータに対し情報を提示するための出力装置１１１とのインタフェースとして機能する。入力装置１１０は、オペレータからの入力操作を受け付けるための入力装置（例えば、タッチパネル、タッチパッド、マウス等のポインティングデバイス、キーボード等）である。出力装置１１１は、オペレータに対し情報を提示するための出力装置（ディスプレイ、スピーカ等）である。
【0103】
なお、各ハードウェア構成の全部または一部を複数のコンピュータに分散して設け、ネットワークを介して相互に接続することにより情報処理装置１０を仮想的に実現することができる。このように、情報処理装置１０は、単一の筐体、ケースに収納されたコンピュータだけでなく、仮想化されたコンピュータシステムも含む概念である。
【0104】
＜情報処理装置１０の機能構成＞
情報処理装置１０のハードウェア構成が実現する機能構成を図１２に示す。情報処理装置１０は、記憶部１２０、制御部１３０、通信部１４０を備える。通信部１４０は通信ＩＦ１０４により構成され、記憶部１２０は情報処理装置１０の主記憶装置１０２及び補助記憶装置１０３により構成され、制御部１３０は主に情報処理装置１０のプロセッサ１０１により構成される。
情報処理装置１０のハードウェア構成が実現する機能構成を図１２に示す。情報処理装置１０は、記憶部１２０、制御部１３０、通信部１４０を備える。通信部１４０は通信ＩＦ１０４により構成され、記憶部１２０は情報処理装置１０の主記憶装置１０２及び補助記憶装置１０３により構成され、制御部１３０は主に情報処理装置１０のプロセッサ１０１により構成される。
【0105】
通信部１４０は、ネットワークＮを介してドローン２０等との間での通信を行う。
【0106】
＜情報処理装置１０の記憶部１２０の構成＞
情報処理装置１０の記憶部１２０は、飛行計画ＤＢ（DataBase）１２２、画像ＤＢ１２３、広域画像ＤＢ１２４、教師データ１２５、学習モデル１２６、スペクトル画像１２７、及び広域スペクトル画像１２８を有する。
情報処理装置１０の記憶部１２０は、飛行計画ＤＢ（DataBase）１２２、画像ＤＢ１２３、広域画像ＤＢ１２４、教師データ１２５、学習モデル１２６、スペクトル画像１２７、及び広域スペクトル画像１２８を有する。
【0107】
これら飛行計画ＤＢ１２２等のうち、飛行計画ＤＢ１２２、画像ＤＢ１２３及び広域画像ＤＢ１２４はデータベースである。ここに言うデータベースは、リレーショナルデータベースを指し、行と列によって構造的に規定された表形式のテーブルと呼ばれるデータ集合を、互いに関連づけて管理するためのものである。データベースでは、表をテーブル、表の列をカラム、表の行をレコードと呼ぶ。リレーショナルデータベースでは、テーブル同士の関係を設定し、関連づけることができる。
【0108】
通常、各テーブルにはレコードを一意に特定するための主キーとなるカラムが設定されるが、カラムへの主キーの設定は必須ではない。制御部１３０は、各種プログラムに従ってプロセッサ１０１に、記憶部１２０に記憶された特定のテーブルにレコードを追加、削除、更新を実行させることができる。
【0109】
飛行計画ＤＢ１２２は、ドローン２０の記憶部２１０に格納されている飛行計画ＤＢ２１０１と同様のものである。画像ＤＢ１２３は、ドローン２０の記憶部２１０に格納されている画像ＤＢ２１０３、及び、衛星３０の記憶部３１０に格納されている画像ＤＢ３１０２と同様のものである。本実施形態の情報処理装置１０には、画像ＤＢ２１０３及び画像ＤＢ３１０２を合体させた画像ＤＢ１２３が記憶部１２０に格納されている。広域画像ＤＢ１２４は、制御部１３０の画像合成部１３６が、スペクトル画像１２７に基づいて生成した広域スペクトル画像１２８を管理するためのデータベースである。
＜情報処理装置１０の制御部１３０の構成＞
＜情報処理装置１０の制御部１３０の構成＞
【0110】
情報処理装置１０の制御部１３０は、受信制御部１３１、送信制御部１３２、学習モデル生成部１３３、飛行計画作成部１３４、飛行体制御部１３５、画像合成部１３６、領域特定部１３７及び種類特定部１３８を備える。制御部１３０は、記憶部１２０に記憶されたアプリケーションプログラム１２１を実行することにより、これら受信制御部１３１等の機能ユニットが実現される。
【0111】
受信制御部１３１は、情報処理装置１０が外部の装置から通信プロトコルに従って信号を受信する処理を制御する。
【0112】
送信制御部１３２は、情報処理装置１０が外部の装置に対し通信プロトコルに従って信号を送信する処理を制御する。
【0113】
学習モデル生成部１３３は、衛星３０に搭載されたスペクトルカメラ３２が撮影したスペクトル画像１２７及び衛星３０から送出された画像ＤＢ１２３、また、ドローン２０に搭載されたスペクトルカメラ２２及びドローン２０から送出された画像ＤＢ１２３に基づいて教師データ１２５を生成し、この教師データ１２５に基づいて学習モデル１２６を生成する。
【0114】
衛星３０に搭載されたスペクトルカメラ３２が撮影したスペクトル画像１２７を用いた場合の学習モデル生成部１３３の動作の詳細について説明する。なお、ドローン２０に搭載されたスペクトルカメラ２２が撮影したスペクトル画像１２７を用いた場合の動作も同様である。
【0115】
衛星３０に搭載されたスペクトルカメラ３２は、広範囲の波長帯域についてこの波長帯域を細分化した波長帯域毎に同一地表面の地域を撮像し、同一地域について波長帯域が異なる多数のスペクトル画像３１０３（スペクトル画像１２７）を取得している。学習モデル生成部１３３は、同一地域について波長帯域が異なる複数のスペクトル画像１２７を情報処理装置１０のオペレータに提示し、この地域において作物が特定の状態にある領域を明確に分別可能な波長帯域のスペクトル画像１２７をオペレータに特定させる。次いで、学習モデル生成部１３３は、特定された波長帯域のスペクトル画像１２７について、この波長帯域により特定可能な作物の特定の状態をオペレータに特定させ、特定された波長帯域のスペクトル画像１２７と特定された作物の特定の状態とを関連付ける。そして、学習モデル生成部１３３は、特定された波長帯域、特定された波長帯域のスペクトル画像１２７、特定された作物の特定の状態、及びこれらの関連性を教師データ１２５として記憶部１２０に格納させる。
【0116】
例えば、図２３に示すように、同一地表面の地域を撮像した原画像（本実施形態では同一地域について複数のスペクトル画像１２７が取得可能であるが、説明の簡略化のために１つの画像のみ示している）について、複数の波長帯域（図２３では波長α、β、γの３種類としているが、波長帯域の数に制限はない）のスペクトル画像１２７を取得できる。これらスペクトル画像１２７のうち、ある波長（図２３では波長β）について他の波長α、γと異なる濃淡分布が生じることがある。なお、特定の波長帯域についてのスペクトル画像１２７であるので、ディスプレイ等に表示する際には白黒の濃淡のパターン（つまりグレースケール表示）で表示されることを前提としている。情報処理装置１０のオペレータは、同一地表面の地域について作物がどのような特定の状態にあるかを事前に把握しており（例えば現地調査などにより）、波長βにおいて他の波長α、γでは見られない特有の濃淡分布（図２３にではハッチングにより示している）を見て、この濃淡分布と作物の特定の状態との関連付けを入力する。
【0117】
この際、学習モデル生成部１３３は画像ＤＢ１２３を参照し、特定された波長帯域のスペクトル画像が撮像された際の地表面と太陽とがなす角度を算出する。これは、太陽の角度により作物からの反射光のスペクトルが異なるからである。そして、学習モデル生成部１３３は、太陽の角度についても同様に教師データ１２５として記憶部１２０に格納させる。あるいは、学習モデル生成部１３３は、算出した太陽の角度に基づき、スペクトル画像を所定時刻における太陽の角度で撮像されたスペクトルのスペクトル画像に補正するための補正式（あるいは補正値）を算出し、この補正式等により補正したスペクトル画像を用いた教師データ１２５を生成して記憶部１２０に格納させる。この際、補正式そのものも後述する学習モデル１２６に格納させてもよいし、補正式は別途記憶部１２０に格納させてもよい。但し、太陽角度に基づく補正は必須ではない。
【0118】
次いで、学習モデル生成部１３３は、上述の手順により生成された教師データ１２５に基づいて、人工知能技術における学習モデル１２６を生成する。学習モデル１２６の生成手法及び学習モデル１２６の種類については公知のものが好適に適用可能であるので、ここではこれ以上の説明を省略する。
【0119】
そして、学習モデル生成部１３３は、上述した教師データ１２５生成手順を繰り返し行って教師データ１２５を更新し、教師データ１２５を更新したら、あるいは所定時間間隔毎に学習モデル１２６の再学習を行う。これにより、後述する種類特定部１３８による作物が特定の状態にあるとの特定の精度が向上する。
【0120】
上述した学習モデル生成部１３３による教師データ１２５の更新、及び、学習モデル１２６の再学習については、特に、システム１の運用当初は限定的な太陽角度におけるスペクトル画像１２７を取得し、このスペクトル画像１２７に基づいて教師データ１２５及び学習モデル１２６を生成した場合には好ましい動作である。つまり、当初は限定的な太陽角度におけるスペクトル画像１２７に基づいて教師データ１２５及び学習モデル１２６を生成し、その後、衛星３０に搭載したスペクトルカメラ３２から得られるスペクトル画像、及び／またはドローン２０に搭載したスペクトルカメラ２２から得られるスペクトル画像を、様々な太陽角度において取得し、太陽角度の影響を含めた教師データ１２５を生成して、この教師データ１２５に基づいて学習モデル１２６の再学習を行ってもよい。これにより、システム１の運用開始時期を早めることができるとともに、種類特定部１３８による特定結果の精度を累進的に向上させることができる。加えて、後述する種類特定部１３８による特定結果と実際の作物の特定の状態とを対比し、実際の作物の特定状態をフィードバックして教師データ１２５を作成／修正し、学習モデル１２６の再学習を行ってもよい。これによっても、種類特定部１３８による特定結果の精度を累進的に向上させることができる。
【0121】
この際、学習モデル生成部１３３は、衛星３０のスペクトルカメラ３２及び／またはドローン２０のスペクトルカメラ２２により撮像された地表面の地形データを取得し、この地形データに基づいて、作物が特定の状態にあることが推測される地域を特定し、この地域をスペクトルカメラ２２、３２により撮像して得られたスペクトル画像１２７を抽出してオペレータに提示することが好ましい。作物が特定の状態にあるか否かは、地形に依存する場合が多い。一例として、作物が育成されている場所の湿度が高い場合、作物が病気に罹りやすくなることが知られている。そこで、学習モデル生成部１３３は、地表面の地形データを取得し、この地形データに基づいて作物の育成場所の環境（日照、湿度、風向きなど）を推定し、この環境が特定のものである場所を撮像して得られたスペクトル画像１２７をオペレータに提示する。地形データは情報処理装置１０の記憶部１２０に事前に格納してもよいし、外部サービスから取得してもよい。
【0122】
なお、学習モデル生成部１３３、教師データ１２５及び学習モデル１２６を用いることなく、特定された波長帯域、特定された波長帯域のスペクトル画像１２７、特定された作物の特定の状態、スペクトル画像１２７が撮像された時の太陽の角度、及びこれらの関連性のみに基づいて、作物が特定の状態にあるか否かの特定を行うこともできる。
【0123】
飛行計画作成部１３４は、ドローン２０により観測対象の地域を飛行させ、ドローン２０に搭載されたスペクトルカメラ２２により観測対象の地域を撮像するための飛行計画を作成して飛行計画ＤＢ１２２として記憶部１２０に格納する。そして、飛行計画作成部１３４は、作成した飛行計画ＤＢ１２２をドローン２０に送信する。なお、後述する飛行体制御部１３５によりドローン２０の飛行を制御する（ドローン２０を操縦する）場合、飛行計画作成部１３４及び飛行計画ＤＢ１２２を設けなくともよい。
【0124】
この際、飛行計画作成部１３４は、同時に複数のドローン２０を観測対象の地域を飛行させ、これら複数のドローン２０に搭載されたスペクトルカメラ２２により観測対象の地域を並列的に撮像させる飛行計画を作成することが好ましい。
【0125】
また、飛行計画作成部１３４は、観測対象の地域の地形データを取得し、この地形データに基づいて飛行計画を作成することが好ましい。上述したように、作物が特定の状態にあるか否かは、地形に依存する場合が多い。一例として、作物が育成されている場所の湿度が高い場合、作物が病気に罹りやすくなることが知られている。そこで、飛行計画作成部１３４は、観測対象の地域の地形データを取得し、この地形データに基づいて作物の育成場所の環境（日照、湿度、風向きなど）を推定し、この環境が特定のものである場所を重点的にドローン２０を飛行させ、スペクトルカメラ２２によりスペクトル画像を取得する。地形データは情報処理装置１０の記憶部１２０に事前に格納してもよいし、外部サービスから取得してもよい。
【0126】
飛行計画作成部１３４による飛行計画作成は、情報処理装置１０のオペレータがドローン２０の飛行目標位置を個別に指定することにより行ってよいし、オペレータが観測対象の地域のみを特定し、飛行計画作成部１３４が、ドローン２０の飛行速度及びスペクトルカメラ２２によるスペクトル画像取得速度に基づいて飛行目標位置を生成することにより行ってもよい。
【0127】
飛行体制御部１３５は、飛行計画ＤＢ１２２に基づいてドローン２０の飛行を制御する。但し、ドローン２０が、自身の記憶部２１０に格納された飛行計画ＤＢ２１０１に基づいて自律的に飛行可能であるならば、飛行体制御部１３５を設けなくともよい。あるいは、情報処理装置１０によりドローン２０を操縦するならば、飛行体制御部１３５は、情報処理装置１０に設けられた入力装置１１０の一例であるリモコンを通じてオペレータが入力した操縦信号に基づいてドローン２０を操縦する。
【0128】
画像合成部１３６は、ドローン２０のスペクトルカメラ２２により撮像されたスペクトル画像２１０４、１２７をつなぎ合わせて、好ましくは観測対象の地域全体を撮像した広域スペクトル画像１２８を生成する。これは、ドローン２０のスペクトルカメラ２２による撮像範囲は、作物が特定の状態にあるか否かを特定すべき観測対象の地域より狭いことが多いので、一括して作物が特定の状態の特定を行うために、広い範囲の広域スペクトル画像１２８を生成することが好ましいからである。そして、画像合成部１３６は、生成した広域スペクトル画像１２８を記憶部１２０に格納するとともに、広域画像ＤＢ１２４を更新する。また、画像合成部１３６は、衛星３０のスペクトルカメラ３２により撮像されたスペクトル画像３１０３、１２７をつなぎ合わせて、好ましくは地表面を広範囲にわたって撮像した広域スペクトル画像１２８を生成する。
【0129】
この際、画像合成部１３６は、オルソ画像を生成する既知の手法に基づいて広域スペクトル画像１２８を生成することが好ましい。オルソ画像は、写真上の像の位置ズレをなくし空中写真を地図と同じく、真上から見たような傾きのない、正しい大きさと位置に表示される画像に変換（以下、「正射変換」という）したものである。空中写真を正射変換するには、空中写真上の位置と地上の水平位置を対応させる必要がある。この正射変換には、地表の三次元形状を表した数値標高モデル（標高データ）を用いて行う。オルソ画像の生成手法は既知であるので、ここではこれ以上の説明を省略する。
【0130】
図２２は、画像合成部１３６によるスペクトル画像２１０４、１２７の画像合成の一例を示す図である。１台のドローン２０により領域２２００（図では正方形であるが、これに限られない）を撮像して得られたスペクトル画像１２７を所定の重なり領域を持ちながら図中水平方向に並べ、これらスペクトル画像１２７を合成して広域スペクトル画像１２８を生成する。この作業を、他のドローン２０により領域２２０１を撮像して得られたスペクトル画像１２７についても行い、観測対象の地域を包含する広域スペクトル画像１２８を得る。
【0131】
領域特定部１３７は、画像合成部１３６により作成された広域スペクトル画像１２８を参照して、作物が特定の状態にあるか否かを種類特定部１３８が特定するための領域の特定を、情報処理装置１０のオペレータから受ける。
【0132】
種類特定部１３８は、領域特定部１３７により特定された領域について、作物が特定の状態にあるか否か、あるとしたらどの状態にあるかを、広域スペクトル画像１２８、及び学習モデル１２６に基づいて特定する。この際、種類特定部１３８は、情報処理装置１０のオペレータからの指示入力に基づいて、特定すべき作物の特定の状態の入力を受け入れ、領域特定部１３７により特定された領域について、作物が具体的な特定の状態にあるか否かを特定してもよい。この際、種類特定部１３８は、広域スペクトル画像１２８の元となるスペクトル画像１２７が撮像された際の地表面と太陽とがなす角度を算出し、学習モデル１２６または記憶部１２０に格納された太陽角度補正式を用いて、所定時刻において撮像された広域スペクトル画像１２８となるように、そのスペクトルを補正する。
【0133】
次いで、種類特定部１３８は、特定結果を、出力装置１１１の一例であるディスプレイに表示する。種類特定部１３８による表示態様に特段の制限はないが、一例として、地図データベースを参照して観測対象の地域の地図データを表示するとともに、この地図データに、作物が特定の状態にある領域を重畳表示するような態様が挙げられる。
【0134】
加えて、種類特定部１３８は、情報処理装置１０のオペレータから時間軸の指定入力を受け入れて、時間軸での作物が特定の状態にある領域での広がりを表示してもよい。さらに、種類特定部１３８は、作物が特定の状態にあることと、この作物と、この特定の状態を回復する（例えば特定の状態にある作物の伐採、農薬散布など）ために必要となる費用の試算結果とをディスプレイに表示させ、想定される被害額を算出してディスプレイに表示してもよい。
＜データ構造＞
図１３は、衛星３０の記憶部３１０に格納されている第１撮像条件ＤＢ３１０１のデータ構造を示す図である。
＜データ構造＞
図１３は、衛星３０の記憶部３１０に格納されている第１撮像条件ＤＢ３１０１のデータ構造を示す図である。
【0135】
第１撮像条件ＤＢ３１０１は、衛星３０のスペクトルカメラ３２による撮像条件を特定するための撮像条件ＩＤをキーとして、撮像開始時刻、撮像終了時刻及び波長条件のカラムを有するテーブルである。
【0136】
「撮像条件ＩＤ」は、衛星３０のスペクトルカメラ３２による撮像条件を特定するための情報である。「撮像開始時刻」は、衛星３０のスペクトルカメラ３２による撮像を開始する時刻に関する情報である。「撮像終了時刻」は、衛星３０のスペクトルカメラ３２による撮像を終了する時刻に関する情報である。「波長条件」は、衛星３０のスペクトルカメラ３２による撮像をするときの波長条件に関する情報である。衛星３０に搭載されたスペクトルカメラ３２は、複数の波長帯域について撮像が可能であり（従って複数の波長帯域についてのスペクトル画像が生成可能であり）、図１３に示す例では、波長条件として、波長帯域の範囲及び波長帯域を変化させる波長幅についての情報が格納されている。
【0137】
第１撮像条件ＤＢ３１０１における各々のカラムは、情報処理装置１０を含む情報処理装置が生成し、衛星３０に送出することで記憶部３１０に格納される。
【0138】
図１４は、ドローン２０の記憶部２１０、衛星３０の記憶部３１０及び情報処理装置１０の記憶部１２０にそれぞれ格納されている画像ＤＢ２１０３、３１０２、１２３のデータ構造を示す図である。
【0139】
画像ＤＢ２１０３、３１０２、１２３は、ドローン２０及び衛星３０のスペクトルカメラ２２、３２により撮像されたスペクトル画像を特定するための画像ＩＤをキーとして、画像ファイル名、撮像時刻、位置情報、高度情報、市政情報及び波長のカラムを有するテーブルである。
【0140】
「画像ＩＤ」は、ドローン２０及び衛星３０のスペクトルカメラ２２、３２により撮像されたスペクトル画像を特定するための情報である。「画像ファイル名」は、画像ＩＤにより特定され、ドローン２０の記憶部２１０、衛星３０の記憶部３１０及び情報処理装置１０の記憶部１２０に格納されているスペクトル画像２１０４、３１０３、１２７のファイル名を示す情報である。「撮像時刻」は、画像ＩＤにより特定されるスペクトル画像２１０４、３１０３、１２７が撮像された時刻を示す情報である。「位置情報」は、画像ＩＤにより特定されるスペクトル画像２１０４、３１０３、１２７が撮像された際のドローン２０、衛星３０の位置情報である。「高度情報」は、画像ＩＤにより特定されるスペクトル画像２１０４、３１０３、１２７が撮像された際のドローン２０、衛星３０の高度情報である。「姿勢情報」は、画像ＩＤにより特定されるスペクトル画像２１０４、３１０３、１２７が撮像された際のドローン２０、衛星３０の姿勢情報である。「波長」は、画像ＩＤにより特定されるスペクトル画像２１０４、３１０３、１２７が撮像された際のドローン２０及び衛星３０のスペクトルカメラ２２、３２に設定された波長帯域を示す情報である。
【0141】
画像ＤＢ２１０３、３１０２、１２３における各々のカラムは、ドローン２０及び衛星３０のスペクトルカメラ２２、３２によりスペクトル画像２１０４、３１０３が生成される際にドローン２０及び衛星３０のスペクトルカメラ制御装置２１、３１が生成する。
【0142】
図１５は、ドローン２０の記憶部２１０に格納されている第２撮像条件ＤＢ２１０２のデータ構造を示す図である。
【0143】
第２撮像条件ＤＢ２１０２は、ドローン２０のスペクトルカメラ２２による撮像条件を特定するための撮像条件ＩＤをキーとして、撮像位置、撮像高度及び撮像姿勢のカラムを有するテーブルである。
【0144】
「撮像条件ＩＤ」は、ドローン２０のスペクトルカメラ２２による撮像条件を特定するための情報である。「撮像位置」は、ドローン２０の位置情報である。「撮像高度」は、ドローン２０の高度情報である。「撮像姿勢」は、ドローン２０の姿勢情報である。
【0145】
第２撮像条件ＤＢ２１０２における各々のカラムは、情報処理装置１０を含む情報処理装置が生成し、ドローン２０に送出することで記憶部２１０に格納される。
【0146】
図１６は、情報処理装置１０の記憶部１２０及びドローン２０の記憶部２１０に格納されている飛行計画ＤＢ１２２、２１０１のデータ構造を示す図である。
【0147】
飛行計画ＤＢ１２２、２１０１は、ドローン２０の飛行計画を特定するための飛行計画ＩＤをキーとして、経過時間、飛行位置及び飛行姿勢のカラムを有するテーブルである。
【0148】
「飛行計画ＩＤ」は、ドローン２０の飛行計画、より詳細には、ドローン２０の到達目標を特定するための情報である。「経過時間」は、飛行計画ＩＤにより特定されるドローン２０の到達目標にドローン２０が到達すべき、ドローン２０の飛行開始からの経過時間を示す情報である。「飛行位置」は、飛行計画ＩＤにより特定されるドローン２０の到達目標においてドローン２０が到達すべき目標位置情報である。「飛行高度」は、飛行計画ＩＤにより特定されるドローン２０の到達目標においてドローン２０が到達すべき目標高度情報である。「飛行姿勢」は、飛行計画ＩＤにより特定されるドローン２０の到達目標においてドローン２０が到達すべき目標姿勢情報である。
【0149】
飛行計画ＤＢ１２２、２１０１における各々のカラムは、情報処理装置１０の制御部１３０の飛行計画作成部１３４が生成し、記憶部１２０に格納するとともにドローン２０に送出する。ドローン２０のスペクトルカメラ制御装置２１は、送出された飛行計画ＤＢ１２２，２１０１を記憶部に格納する。
【0150】
図１７は、情報処理装置１０の記憶部１２０に格納されている広域画像ＤＢ１２４のデータ構造を示す図である。
【0151】
広域画像ＤＢ１２４は、情報処理装置１０の記憶部１２０に格納されている広域スペクトル画像１２８を特定するための広域画像ＩＤをキーとして、広域画像ファイル名、撮像時刻、地域情報、太陽角度、位置情報、高度情報、姿勢情報、波長、及び画像ＩＤのカラムを有するテーブルである。
【0152】
「広域画像ＩＤ」は、情報処理装置１０の記憶部１２０に格納されている広域スペクトル画像１２８を特定するための情報である。「広域画像ファイル名」は、広域画像ＩＤにより特定され、情報処理装置１０の記憶部１２０に格納されている広域スペクトル画像１２８のファイル名を示す情報である。
【0153】
「撮像時刻」は、広域画像ＩＤにより特定される広域スペクトル画像１２８が撮像された時刻を示す情報である。ここで、広域スペクトル画像１２８は複数のスペクトル画像１２７を合成してなるものであり、個々のスペクトル画像１２７の撮像時刻は厳密には異なる。そこで、画像合成部１３６は、複数のスペクトル画像１２７を合成して広域スペクトル画像１２８を生成する際に、合成元となった複数のスペクトル画像１２７のうち、いずれかのスペクトル画像１２７の撮像時刻を、広域スペクトル画像１２８の撮像時刻として代表して用いる。この作業は、「太陽角度」、「位置情報」、「高度情報」、「姿勢情報」についても行われる。
【0154】
「地域情報」は、広域画像ＩＤにより特定され、情報処理装置１０の記憶部１２０に格納されている広域スペクトル画像１２８が撮像された地域を示す情報である。「太陽角度」は、広域画像ＩＤにより特定される広域スペクトル画像１２８が撮像された際の太陽の角度を示す情報である。システム１の運用開始当初等において「太陽角度」のフィールドの値が空欄であることがあり得る。「位置情報」は、画像ＩＤにより特定されるスペクトル画像２１０４、３１０３、１２７が撮像された際のドローン２０、衛星３０の位置情報である。「高度情報」は、広域画像ＩＤにより特定される広域スペクトル画像１２８が撮像された際のドローン２０の高度情報である。「姿勢情報」は、広域画像ＩＤにより特定される広域スペクトル画像１２８が撮像された際のドローン２０の姿勢情報である。「波長」は、広域画像ＩＤにより特定される広域スペクトル画像１２８が撮像された波長帯域を示す情報である。「画像ＩＤ」は、広域画像ＩＤにより特定される広域スペクトル画像１２８の合成元となった複数のスペクトル画像１２７を特定するための情報であり、画像ＤＢ２１０３の画像ＩＤと共通である。
【0155】
広域画像ＤＢ１２４における各々のカラムは、情報処理装置１０の制御部１３０の画像合成部１３６が生成し、記憶部１２０に格納する。
【0156】
【0157】
図１８は、衛星３０のスペクトルカメラ制御装置３１による、スペクトル画像撮像処理を示すフローチャートである。
【0158】
まず、スペクトルカメラ制御装置３１は、第１撮像条件ＤＢ３１０１を参照し、第１撮像条件ＤＢ３１０１に記述されている撮像開始時刻に至るのを待つ（Ｓ１８００）。そして、撮像開始時刻に至ると（Ｓ１８００においてＹＥＳ）、スペクトルカメラ制御装置３１は、第１撮像条件ＤＢ３１０１を参照し、スペクトルカメラ３２による撮像の波長帯域を設定し（Ｓ１８０１）、設定した波長帯域でスペクトルカメラ３２により地表面を撮像させ、スペクトル画像３１０３を取得して記憶部３１０に格納するとともに、撮像時の条件を記憶部３１０の画像ＤＢ３１０２に格納する（Ｓ１８０２）。
【0159】
次いで、スペクトルカメラ制御装置３１は、第１撮像条件ＤＢ３１０１を参照し、全ての波長帯域でＳ１８０２による撮像動作が終了したか否かを判定する（Ｓ１８０３）。そして、全ての波長帯域での撮像動作が終了したと判定したら（Ｓ１８０３においてＹＥＳ）Ｓ１８０４に進み、まだ撮像動作を行っていない波長帯域があると判定したら（Ｓ１８０３においてＮＯ）、Ｓ１８０１に戻って次の波長帯域を設定し、以降の処理を行う。
【0160】
Ｓ１８０４では、スペクトルカメラ制御装置３１は、第１撮像条件ＤＢ３１０１を参照し、撮像終了時刻に至ったか否かを判定する。そして、撮像終了時刻に至ったと判定したら（Ｓ１８０４においてＹＥＳ）Ｓ１８０５に進み、まだ撮像終了時刻に至っていないと判定したら（Ｓ１８０４においてＮＯ）、Ｓ１８００に戻って次の撮像開始時刻を待つ。
【0161】
Ｓ１８０５では、スペクトルカメラ制御装置３１は、第１撮像条件ＤＢ３１０１に格納されている全ての撮像条件について撮像動作を終了したか否かを判定する。そして、全ての撮像条件について撮像動作を終了したと判定したら（Ｓ１８０５においてＹＥＳ）、記憶部３１０に格納されているスペクトル画像３１０３及び画像ＤＢ３１０２を情報処理装置１０に送信し（Ｓ１８０６）、まだ撮像動作を終了していない撮像条件があると判定したら（Ｓ１８０５においてＮＯ）、Ｓ１８００に戻って次の撮像開始時刻を待つ。
【0162】
次に、図１９は、情報処理装置１０の制御部１３０の学習モデル生成部１３３による学習モデル生成処理を示すフローチャートである。
【0163】
まず、学習モデル生成部１３３は、記憶部１２０の画像ＤＢ１２３を参照して、学習モデルを生成する元となるスペクトル画像１２７が撮像された位置（地域、領域）を指定・選択する（Ｓ１９００）。次いで、学習モデル生成部１３３は、記憶部１２０に格納されているスペクトル画像１２７のうち、学習モデルを生成する元となるスペクトル画像１２７を特定するための、スペクトル画像１２７が撮像された波長帯域を指定・選択する（Ｓ１９０１）。
【0164】
次いで、学習モデル生成部１３３は、Ｓ１９００及びＳ１９０１により指定・選択された条件に合致するスペクトル画像１２７を記憶部１２０から抽出し、抽出したスペクトル画像１２７を出力装置１１１の一例であるディスプレイに表示する（Ｓ１９０２）。
【0165】
さらに、学習モデル生成部１３３は、画像ＤＢ１２３を参照して、Ｓ１９０２において抽出したスペクトル画像１２７が撮像された時刻を項目「撮像時刻」から取得し、この撮像時刻から、スペクトル画像１２７が撮像された際の地表面と太陽とがなす角度（太陽角度）を算出する。次いで、学習モデル生成部１３３は、このスペクトル画像１２７が特定の時刻（例えば昼間１２時）に撮像されたとしたときのスペクトルの補正式（補正値でもよい）を算出し、この補正式を用いてスペクトル画像１２７のスペクトルを補正する（Ｓ１９０３）。この補正式等は学習モデル１２６として格納される。
【0166】
この後、学習モデル生成部１３３は、入力装置１１０の一例であるマウス等のポインティングデバイスにより、ディスプレイに表示されているスペクトル画像１２７のうち、学習の対象となる領域の選択入力を、情報処理装置１０のオペレータから受ける（Ｓ１９０４）。そして、学習モデル生成部１３３は、Ｓ１９０３により指定された領域について作物がどの特定の状態にあるかの指定入力を、入力装置１１０の一例であるマウス等のポインティングデバイスにより、情報処理装置１０のオペレータから受ける（Ｓ１９０５）。
【0167】
そして、学習モデル生成部１３３は、情報処理装置１０のオペレータから、Ｓ１９００～Ｓ１９０５までの入力指定を受け、学習モデル生成のための各種入力を終了した旨の指示を受けるのを待ち（Ｓ１９０６）、指示を受けると（Ｓ１９０６においてＹＥＳ）、Ｓ１９００～Ｓ１９０５までの入力指定、及び、対象となるスペクトル画像１２７の画像データ等に基づいて、教師データ１２５を生成する（Ｓ１９０７）。そして、学習モデル生成部１３３は、Ｓ１９０７で生成した教師データ１２５に基づいて学習モデル１２６を生成する（Ｓ１９０８）。学習モデル生成部１３３は、Ｓ１９０７及びＳ１９０８で生成した教師データ１２５及び学習モデル１２６を記憶部１２０に格納する。
【0168】
次に、図２０は、ドローン２０のスペクトルカメラ制御装置２１による、スペクトル画像撮像処理を示すフローチャートである。
【0169】
まず、スペクトルカメラ制御装置２１は、記憶部２１０に格納されている飛行計画ＤＢ２１０１に従ってドローン２０を目標位置に順次到達するようにこのドローン２０を飛行させる（Ｓ２０００）。
【0170】
次いで、スペクトルカメラ制御装置２１は、記憶部２１０に格納されている第２撮像条件ＤＢ２１０２を参照し、ドローン２０が第２撮像条件ＤＢ２１０２に記述されている撮像位置に到達するのを待つ（Ｓ２００１）。そして、ドローン２０が撮像位置に到達したら（Ｓ２００１においてＹＥＳ）、スペクトルカメラ制御装置２１は、スペクトルカメラ２２により観測対象の地域を撮像させ、撮像して得られたスペクトル画像２１０４を記憶部２１０に格納するとともに、撮像時の条件を記憶部２１０の画像ＤＢ２１０３に格納する（Ｓ２００２）。
【0171】
そして、スペクトルカメラ制御装置２１は、第２撮像条件ＤＢ２１０２に格納されている全ての撮像位置について撮像動作を終了したか否かを判定する（Ｓ２００３）。そして、全ての撮像条件について撮像動作を終了したと判定したら（Ｓ２００３においてＹＥＳ）、記憶部２１０に格納されているスペクトル画像２１０４及び画像ＤＢ２１０３を情報処理装置１０に送信し（Ｓ２００４）、まだ撮像動作を終了していない撮像位置があると判定したら（Ｓ２００３においてＮＯ）、Ｓ２００１に戻って次の撮像位置に到達するを待つ。
【0172】
この後、スペクトルカメラ制御装置２１はドローン２０の飛行を終了する（Ｓ２００５）。
【0173】
そして、図２１は、情報処理装置１０の制御部１３０の領域特定部１３７及び種類特定部１３８による、作物が特定の状態にある領域を特定する処理を示すフローチャートである。
【0174】
まず、領域特定部１３７は、記憶部１２０の画像ＤＢ１２３を参照して、作物が特定の状態にある領域を特定する元となるスペクトル画像１２７が撮像された位置（地域、領域）を指定・選択する（Ｓ２１００）。
【0175】
次いで、種類特定部１３８は、Ｓ２１００により指定・選択された条件に合致するスペクトル画像１２７を記憶部１２０から抽出し、抽出したスペクトル画像１２７を出力装置１１１の一例であるディスプレイに表示する（Ｓ２１０１）。
【0176】
次いで、画像合成部１３６は、Ｓ２１０１により抽出されたスペクトル画像１２７に基づいて広域スペクトル画像１２８を生成し（Ｓ２１０２）、生成した広域スペクトル画像１２８をディスプレイ等に表示する（Ｓ２１０３）。なお、画像合成部１３６による広域スペクトル画像１２８の生成動作は、図２１に示す処理に先立って行ってもよい。
【0177】
次いで、種類特定部１３８は、画像ＤＢ１２３を参照して、広域スペクトル画像１２８の元となるスペクトル画像１２７が撮像された時刻を項目「撮像時刻」から取得し、この撮像時刻から、スペクトル画像１２７が撮像された際の地表面と太陽とがなす角度（太陽角度）を算出する。そして、種類特定部１３８は、学習モデル１２６または記憶部１２０に格納されている補正式等に基づいて、このスペクトル画像１２７が特定の時刻（例えば昼間１２時）に撮像されたとしたときのスペクトルとなるように、スペクトル画像１２７のスペクトルを補正し、全体として広域スペクトル画像１２８のスペクトルを補正する（Ｓ２１０４）。
【0178】
そして、種類特定部１３８は、記憶部１２０に格納されている学習モデル１２６を用いて、広域スペクトル画像１２８が撮像された観測対象の地域において、作物が特定の状態にあるか否か、あるとすればどの領域であるかの推定処理（推論動作）を行い（Ｓ２１０５）、推論結果をディスプレイ等に表示させる（Ｓ２１０６）。
【0179】
＜画面例＞
図２４は、図１９のフローチャートにより示される学習モデル生成部１３３の学習モデル生成処理において、情報処理装置１０の出力装置１１１の一例であるディスプレイに表示される画面の一例を示す図である。
図２４は、図１９のフローチャートにより示される学習モデル生成部１３３の学習モデル生成処理において、情報処理装置１０の出力装置１１１の一例であるディスプレイに表示される画面の一例を示す図である。
【0180】
画面２４００には、学習モデル生成の元となるスペクトル画像１２７を指定するためのボタン２４０１が表示されており、情報処理装置１０のオペレータがこのボタンを入力装置１１０の一例であるポインティングデバイス等を用いてスペクトル画像２４０２～２４０４を指定する。指定されたスペクトル画像２４０２～２４０４は、波長帯域毎に画面２４００に表示される。
【0181】
情報処理装置１０のオペレータは、これらスペクトル画像２４０２～２４０４を閲覧し、事前に取得している、この地域における作物の特定の状態及び作物が特定の状態にある領域の情報に基づいて、作物が特定の状態にあることを最もよく示すスペクトル画像２４０２～２４０４（図２４に示す例では波長βのスペクトル画像２４０３）について、作物が特定の状態にある領域２４０５を、入力装置１１０の一例であるポインティングデバイス等を用いて指定する。次いで、情報処理装置１０のオペレータは、プルダウンメニュー２４０６を用いて、領域２４０５における作物の具体的な特定の状態を指定する。そして、領域２４０５の指定及びプルダウンメニュー２４０６による作物の具体的な特定の状態の指定が終了したら、情報処理装置１０のオペレータはＯＫボタン２４０７をポインティングデバイス等によりクリックして、指定動作の終了入力を行う。
【0182】
次に、図２５は、図２１のフローチャートにより示される、領域特定部１３７及び種類特定部１３８による、作物が特定の状態にある領域を特定する処理において、情報処理装置１０の出力装置１１１の一例であるディスプレイに表示される画面の一例を示す図である。
【0183】
画面２５００にはスペクトル画像２５０１が表示され、また、このスペクトル画像２５０１の撮像日時及び撮像領域を示す情報が表示される領域２５０２が設けられている。また、スペクトル画像２５０１が撮像された領域に対応する地図データ２５０３が表示されている。情報処理装置１０のオペレータが、プルダウンメニュー２５０４により、特定を希望する作物の特定の状態を指定すると、スペクトル画像２５０１には、指定された具体的な特定の状態にあると推測される領域２５０５が表示される。この領域２５０５はスペクトル画像２５０１の濃淡分布でもある。
【0184】
＜実施形態の効果＞
以上詳細に説明したように、本実施形態のシステム１によれば、収穫をする事業を行う事業者にとって、より適切に育成状況を管理することが可能となる。
以上詳細に説明したように、本実施形態のシステム１によれば、収穫をする事業を行う事業者にとって、より適切に育成状況を管理することが可能となる。
【0185】
＜変形例＞
なお、上記した実施形態は本開示を分かりやすく説明するために構成を詳細に説明したものであり、必ずしも説明した全ての構成を備えるものに限定されるものではない。また、各実施形態の構成の一部について、他の構成に追加、削除、置換することが可能である。
なお、上記した実施形態は本開示を分かりやすく説明するために構成を詳細に説明したものであり、必ずしも説明した全ての構成を備えるものに限定されるものではない。また、各実施形態の構成の一部について、他の構成に追加、削除、置換することが可能である。
【0186】
一例として、上述した実施形態のシステム１では、衛星３０に搭載したスペクトルカメラ３２により地表面を撮像してスペクトル画像３１０３を取得し、また、ドローン２０に搭載したスペクトルカメラ２２により観測対象の地域を撮像してスペクトル画像２１０４を取得していたが、スペクトル画像を取得するスペクトルカメラが搭載される移動体は衛星３０、ドローン２０に限定されず、空中から地表面を撮像しうる移動体であれば限定はない。さらに、スペクトルカメラが搭載された移動体が地表面を移動するような手法、例えばスペクトルカメラを保持したオペレータが地表面を徒歩で移動する、スペクトルカメラを搭載した自動車が地表面を走行する等の手法であってもよい。一例として、特許６３４２５９４号に開示された分光端末装置をスマートフォンにより実現したマルチスペクトルカメラを用いたような態様が挙げられる。
【0187】
このように、ライブラリ作成のためのスペクトル画像３１０３を取得する手法、観測対象の地域を撮像してスペクトル画像２１０４を取得する手法には種々の組合せ、バリエーションが存在しうる。以下、このバリエーションの変形例について詳述する。
【0188】
衛星３０に搭載したスペクトルカメラ３２であるＬＴＣＦカメラは、このスペクトルカメラ３２一台で数多くの（一例として数百の）波長帯域の反射光を受光してスペクトル画像３１０３を取得することができる。一方、ドローン２０に搭載したスペクトルカメラ２２は、ライブラリに基づいて、観測対象の地域における作物が特定の状態にあることを検知可能な（複数の）波長帯域に限定して、これら複数の波長帯域の反射光からスペクトル画像２１０４を取得している。
【0189】
このようなスペクトルカメラ２２、３２の構成の差異は、スペクトルカメラ２２、３２の重量及び価格にも反映される。つまり、スペクトルカメラ３２はスペクトルカメラ２２と比較して高価でありかつ重量が嵩む。スペクトルカメラ２２、３２の重量の差は、スペクトルカメラ２２、３２を搭載する飛行体の構成にも影響する。つまり、スペクトルカメラ３２をドローン２０に搭載する場合、ドローン２０の構成が大型化せざるを得ず、さらに、一度に飛行できる時間も短時間に制限されてしまう可能性がある。
【0190】
一方、衛星３０にスペクトルカメラ３２を搭載すれば、スペクトルカメラ３２の重量による制限はやや緩和されるものの、観測対象の地域のスペクトル画像３１０３を取得できる頻度は低くならざるを得ない。つまり、衛星３０が観測対象の地域の上空を通過するのは数ヶ月に一回程度になることがあり、従って、スペクトル画像３１０３を取得できる頻度も数ヶ月に一回程度になることがある。
【0191】
このため、システム１の運用開始当初などにおいて、スペクトルカメラ３２により観測対象の地域のスペクトル画像３１０３を取得する回数を一定に制限して、しかも、スペクトルカメラ３２により観測対象の地域を撮像する時刻も固定して（例えば昼間１２時）、その地域のその時刻の南中高度を太陽角度としてライブラリを作成することが考えられる。この場合、ライブラリ作成時には太陽角度の補正は行わない。
【0192】
次に、スペクトルカメラ２２により観測対象の地域を撮像する時刻を、スペクトルカメラ３２により観測対象の地域を撮像した時刻（上述の例では昼間１２時）に合わせてスペクトルカメラ２２により観測対象の地域を撮像すれば、太陽高度の補正を行わずとも観測対象の地域の作物が特定の状態にあるかどうかを検知することができる。この後、スペクトルカメラ２２により観測対象の地域を撮像する時刻を変えてドローン２０等を繰り返し飛行させて、複数の時刻における観測対象の地域のスペクトル画像２１０４を取得し、このスペクトル画像２１０４に対して太陽角度の補正を行って、観測対象の地域の作物が特定の状態にあるかどうかの検出を行えばよい。太陽角度の補正値は教師データ１２５に格納して学習モデル１２６を再学習すればよいことは上述の通りである。
【0193】
ＬＴＣＦカメラであるスペクトルカメラ３２によりライブラリ作成のためのスペクトル画像３１０３を取得するメリットは、上述した多数の波長帯域の反射光によるスペクトル画像３１０３を数少ない（極端には一度の）撮影で取得できることにある。そして、多数の波長帯域の反射光によるスペクトル画像３１０３を取得することにより、観測対象の地域の作物が特定の状態にあるか否かを検出するために好適な波長帯域を精度良く選定することができる。これにより、観測対象の地域において作物が特定の状態にあるか否かの検出精度を下げることなく、スペクトルカメラ２２が検出する波長帯域の数を削減することができる。これは、スペクトルカメラ２２の軽量化にもつながり、スペクトルカメラ２２を搭載するドローン２０等の飛行体として汎用性の高い飛行体を利用できることにつながり、さらに、ドローン２０等を長時間かつ高頻度で飛行させることにもつながる。ドローン２０等を長時間飛行させることができれば、スペクトル画像２１０４取得のためのコスト低減になり、また、ドローン２０等を高頻度で飛行させることができれば、観測対象の地域における作物が特定の状態にあるか否かの検出をいち早く行うことにもつながる。
【0194】
また、当初のライブラリ作成の際に太陽角度の補正を行わずに、スペクトル画像２１０４の取得時刻をスペクトル画像３１０３の取得時刻に合わせることにより、システム１立ち上げの際の手間を省くことができ、システム１導入までの日時の削減ができる。そして、システム１運用に伴って複数の時刻におけるスペクトル画像２１０４、３１０３を取得することで、作物が特定の状態にあるか否かの検出精度を向上させることができる。
【0195】
また、作物が特定の状態にある領域を特定するために、上述した実施形態のシステム１ではスペクトル画像を用いていたが、スペクトル画像に加えて、当該地域の温度分布を用いてもよい。このためには、ライブラリ作成の元となるスペクトル画像を取得する際に、この地域の温度をセンサ等により取得するとともに、観測対象の地域のスペクトル画像を取得する際にも、この地域の温度をセンサ等により取得すれば良い。この際、温度分布は２次元的な広がりを有するように、温度測定点を複数設けることが好ましい。この場合、ライブラリには当該地域の温度分布データも含まれる。
【0196】
さらに、上述した実施形態のシステム１では、学習モデル１２６を用いて観測対象の地域のうち作物が特定の状態にある領域を特定していたが、いわゆる画像解析技術を用いて作物が特定の状態にある領域を特定してもよい。
【0197】
さらに、本開示に係るシステム１において、次のような構成も可能である。
【0198】
マルチスペクトルカメラにより撮影されるスペクトル画像と比較するための、観測対象である作物が特定の状態であることを検知するための情報をメモリに記憶させる際に、第１のマルチスペクトルカメラを搭載した飛行体を飛行させて地表を撮影させてスペクトル画像を生成する。
【0199】
次に、第１のマルチスペクトルカメラと異なる第２のマルチスペクトルカメラを搭載した飛行体を、運行計画に従って、観測対象の地域において飛行させ、作物が特定の状態であることを検知するための波長により第２のマルチスペクトルカメラで撮影させることでスペクトル画像を生成する。好ましくは、第１のマルチスペクトルカメラを搭載した飛行体と第２のマルチスペクトルカメラを搭載した飛行体とは異なる飛行体である。
【0200】
第１のマルチスペクトルカメラは、液晶波長可変フィルタ３４のような、撮像する波長を切替可能な部材を有し、多数の波長についてのスペクトル画像を生成することができる。一方、第２のマルチスペクトルカメラは、特定の波長についてのスペクトル画像を生成することができる。特定の波長は、第２のマルチスペクトルカメラによる観測対象の地域を撮像している間は切替ができない。つまり、特定の波長は予め定めた波長である。
【0201】
第２のマルチスペクトルカメラは、第１のマルチスペクトルカメラと比べて、スペクトル画像を撮影するための特定の部材を有さないものであるとしてもよい。例えば、第２のマルチスペクトルカメラは、波長を切替可能な部材を有する第１のマルチスペクトルカメラとは異なり、波長を切り替え可能な部材を有さず特定の波長についてのスペクトル画像を生成するものであるとしてもよい。第２のマルチスペクトルカメラを搭載する第２の飛行体は、第１のマルチスペクトルカメラを搭載する第１の飛行体と異なり、積載可能な重量が低いものであるとしてもよい。これにより第１の飛行体と第２の飛行体とが重量が異なることとしてもよいし（第２の飛行体のほうが第１の飛行体よりも機体重量が少ない）、これら重量の違いに基づいて、第１の飛行体と第２の飛行体とで飛行可能な空域（緯度経度により定まる地理範囲、および、高度）が異なることとしてもよい。第２の飛行体は、複数の（例えば４つ程度の）第２のマルチスペクトルカメラを搭載し、それぞれの第２のマルチスペクトルカメラがそれぞれ異なる波長についてのスペクトル画像を生成するものであるとしてもよい。
【0202】
液晶波長可変フィルタ３４を搭載したマルチスペクトルカメラ３２のように、多数の波長帯域についてスペクトル画像が取得可能な第１のマルチスペクトルカメラ３２は高価でありかつ重量が嵩む傾向にある。一方、特定の波長についてのスペクトル画像のみ生成可能な第２のマルチスペクトルカメラ２２は安価でありかつ軽量に構成することができる。
【0203】
第１のマルチスペクトルカメラ３２はライブラリ作成のためのスペクトル画像を生成するものであるから、多数の波長帯域の反射光に基づいてスペクトル画像を生成することが好ましい。一方、第２のマルチスペクトルカメラ２２は、観測対象の地域において作物が特定の状態にある領域を特定するためのものであり、ドローン２０のような飛行体によって高頻度に撮影することが好ましい。従って、第２のマルチスペクトルカメラ２２は、第１のマルチスペクトルカメラ３２よりも軽量でかつ安価に構成するメリットは大きい。
【0204】
また、上記の各構成、機能、処理部、処理手段等は、それらの一部又は全部を、例えば集積回路で設計する等によりハードウェアで実現してもよい。また、本発明は、実施例の機能を実現するソフトウェアのプログラムコードによっても実現できる。この場合、プログラムコードを記録した記憶媒体をコンピュータに提供し、そのコンピュータが備えるプロセッサが記憶媒体に格納されたプログラムコードを読み出す。この場合、記憶媒体から読み出されたプログラムコード自体が前述した実施例の機能を実現することになり、そのプログラムコード自体、及びそれを記憶した記憶媒体は本発明を構成することになる。このようなプログラムコードを供給するための記憶媒体としては、例えば、フレキシブルディスク、ＣＤ－ＲＯＭ、ＤＶＤ－ＲＯＭ、ハードディスク、ＳＳＤ、光ディスク、光磁気ディスク、ＣＤ－Ｒ、磁気テープ、不揮発性のメモリカード、ＲＯＭなどが用いられる。
【0205】
また、本実施例に記載の機能を実現するプログラムコードは、例えば、アセンブラ、Ｃ／Ｃ＋＋、ｐｅｒｌ、Ｓｈｅｌｌ、ＰＨＰ、Ｊａｖａ（登録商標）等の広範囲のプログラム又はスクリプト言語で実装できる。
【0206】
さらに、実施例の機能を実現するソフトウェアのプログラムコードを、ネットワークを介して配信することによって、それをコンピュータのハードディスクやメモリ等の記憶手段又はＣＤ－ＲＷ、ＣＤ－Ｒ等の記憶媒体に格納し、コンピュータが備えるプロセッサが当該記憶手段や当該記憶媒体に格納されたプログラムコードを読み出して実行するようにしてもよい。
【0207】
＜付記＞
以上の各実施形態で説明した事項を以下に付記する。
以上の各実施形態で説明した事項を以下に付記する。
【0208】
（付記１）
コンピュータ（１０）を動作させるための方法であって、コンピュータ（１０）のプロセッサ（１０１）に、マルチスペクトルカメラ（２２）により撮影されるスペクトル画像（１２７）と比較するための、観測対象である作物が特定の状態であることを検知するための情報（１２６）をメモリ（１２０）に記憶させる第１ステップ（Ｓ１９０８）と、観測対象の地域において、作物が特定の状態であることを検知するための波長によりマルチスペクトルカメラ（２２）で撮影させることでスペクトル画像（１２７）を生成する第２ステップ（Ｓ２００２）と、撮影した結果であるスペクトル画像（１２７）と、作物が特定の状態であることを検知するための情報（１２６）とに基づいて、観測対象の地域において特定の状態にある作物がある地域を特定する第３ステップ（Ｓ２１０５）と、特定した地域の情報を出力する第４ステップ（Ｓ２１０６）と、
を実行させる、方法。
（付記２）
第２ステップにおいて、マルチスペクトルカメラ（２２）を搭載した飛行体（２０）を、運行計画に従って、観測対象の地域において飛行させ、作物が特定の状態であることを検知するための波長によりマルチスペクトルカメラ（２２）で撮影させることでスペクトル画像（１２７）を生成する、付記１に記載の方法。
（付記３）
第１ステップ（Ｓ１９０８）において、検知するための情報として、観測対象の作物が育成されている地域を示す情報と、当該地域をマルチスペクトルカメラ（２２）で撮影することで得られるスペクトル画像（１２７）及びその撮影のための波長の情報と、当該地域において作物を撮影する際の太陽の角度の情報と、が関連付けられたデータベースを教師データとして機械学習を行うことにより生成される学習済みモデル（１２６）をメモリ（１２０）に記憶させており、第３ステップ（Ｓ２１０５）において、撮影した結果であるスペクトル画像（１２７）と、学習済みモデル（１２６）とに基づいて、特定の状態にある作物がある地域を特定する、付記１に記載の方法。
（付記４）
第１ステップ（Ｓ１９０８）において、検知するための情報として、さらに、マルチスペクトルカメラ（２２）で地域を撮像したときの地域の温度の情報が関連付けられたデータベースを教師データ（１２５）として機械学習を行うことにより生成される学習済みモデル（１２６）をメモリ（１２０）に記憶させており、第３ステップにおいて、さらに、マルチスペクトルカメラ（２２）で観測対象の地域を撮像したときの観測対象の地域の温度に基づいて、特定の状態にある作物がある地域を特定する、付記３に記載の方法。
（付記５）
第１ステップ（Ｓ１９０８）において、教師データ（１２５）であるデータベースとして、さらに、特定の状態の種類の情報が関連付けられており、当該特定の状態の種類の情報を含むデータベースにより生成された学習済みモデル（１２６）をメモリ（１２０）に記憶させており、第３ステップ（Ｓ２１０５）において、学習済みモデル（１２６）に基づき、特定の状態にある作物がある地域と、特定の状態の種類とを特定する、付記３に記載の方法。
（付記６）
第２ステップ（Ｓ２００２）において、運行計画として、複数機の飛行体（２０）により、それぞれ異なる地域を飛行させ、各飛行体により撮影されたスペクトル画像（１２７）を、撮影された地域に基づき重ね合わせてスペクトル画像（１２８）を生成する、付記２に記載の方法。
（付記７）
第２ステップ（Ｓ２００２）において、運行計画として、観測対象の作物に応じて、観測対象の地域ごとにマルチスペクトルカメラ（２２）の波長を指定し、波長の指定に従って、各地域で波長を切り替えて、飛行体のマルチスペクトルカメラ（２２）によりスペクトル画像（１２７）を生成する、付記２に記載の方法。
（付記８）
第２ステップ（Ｓ２００２）において、運行計画として、作物の育成場所の周囲の地形が所定の条件を満たす場合に、当該所定の条件を満たす地域を優先して、飛行体のマルチスペクトルカメラ（２２）により撮影させることでスペクトル画像（１２７）を生成する、付記２に記載の方法。
（付記９）
第３ステップ（Ｓ２１０５）において、作物が特定の状態になっている地理範囲と、そうでない地理範囲とを区別し、さらに、スペクトル画像（１２７）を撮影した地点に基づき、地図画像と重ね合わせて、作物が特定の状態になっている範囲を表示する、付記１～８のいずれかに記載の方法。
（付記１０）
第３ステップ（Ｓ２１０５）において、撮影時点の指定をユーザから受け付けており、指定された時点において撮影されたスペクトル画像（１２７）に基づき、作物が特定の状態になっている地理範囲を表示する、付記１～９のいずれかに記載の方法。
（付記１１）
第３ステップ（Ｓ２１０５）において、作物が特定の状態であることを検知した結果に基づき、特定の状態になっている作物の情報と、作物が特定の状態であることに対処するための費用の情報とを表示する、付記１～１０のいずれかに記載の方法。
（付記１２）
第１ステップ（Ｓ１９０８）において、マルチスペクトルカメラ（３２）を搭載した飛行体（３０）を飛行させて地表を撮影させ、得られたスペクトル画像（１２７）に基づいて、観測対象の作物が育成されている地域を示す情報と、当該地域をマルチスペクトルカメラ（３２）で撮影することで得られるスペクトル画像（１２７）及びその撮影のための波長の情報とを関連付けてメモリ（１２０）に記憶させ、さらに、コンピュータ（１０）のプロセッサ（１０１）に、記憶されたスペクトル画像（１２７）をユーザに閲覧させることにより、当該スペクトル画像（１２７）と関連付けて、作物が特定の状態であることの指定をユーザから受け付ける第５ステップ（Ｓ１９０４）と、ユーザの指定に応じて、作物が特定の状態であることを検知するためのデータベース（１２５）をメモリ（１２０）に記憶させる第６ステップ（Ｓ１９０６）と、を実行させる、付記１～１１のいずれかに記載の方法。
（付記１３）
データベースを作成するためのスペクトル画像は複数の波長からなる第１の波長群について同一の地域を撮像したものであり、第２ステップにおけるスペクトル画像は複数の波長からなる第２の波長群について同一の観測対象の地域を撮像したものであり、第１の波長群の波長数は第２の波長群の波長数より多い、付記１２に記載の方法。
（付記１４）
第１ステップ（Ｓ１９０８）において、地域を示す情報と、スペクトル画像（１２７）及びその撮影のための波長の情報と関連付けて、さらに、特定の状態の種類の情報をメモリ（１２０）に蓄積させる、付記１２または１３に記載の方法。
（付記１５）
第５ステップ（Ｓ１９０４）においてユーザから受け付けた指定に基づいて、作物が特定の状態であることをスペクトル画像（１２７）により検知するための波長を特定する、付記１２～１４のいずれかに記載の方法。
（付記１６）
第１ステップ（Ｓ１９０８）において、さらにマルチスペクトルカメラ（２３）で地域を撮像したときの地域の温度の情報を関連付けてメモリに記憶させる、付記１２～１５のいずれかに記載の方法。
（付記１７）
メモリ（１２０）に蓄積されている情報のうち、作物の育成場所の周囲の地形が所定の条件を満たす場合に、当該所定の条件を満たす地域のスペクトル画像（１２７）を抽出し、抽出したスペクトル画像（１２７）を指定可能にユーザに提示する、付記１２～１６のいずれかに記載の方法。
（付記１８）
ユーザから、地域に関する情報の入力を受け付けることに応答して、当該入力にかかる地域のスペクトル画像（１２７）を抽出し、抽出したスペクトル画像（１２７）を指定可能にユーザに提示する、付記１２～１７のいずれかに記載の方法。
（付記１９）
付記１～１８のいずれかに記載の方法をコンピュータ（１０）に実行させるためのプログラム。
（付記２０）
付記１～１８のいずれかに記載の方法を実行する情報処理装置。
コンピュータ（１０）を動作させるための方法であって、コンピュータ（１０）のプロセッサ（１０１）に、マルチスペクトルカメラ（２２）により撮影されるスペクトル画像（１２７）と比較するための、観測対象である作物が特定の状態であることを検知するための情報（１２６）をメモリ（１２０）に記憶させる第１ステップ（Ｓ１９０８）と、観測対象の地域において、作物が特定の状態であることを検知するための波長によりマルチスペクトルカメラ（２２）で撮影させることでスペクトル画像（１２７）を生成する第２ステップ（Ｓ２００２）と、撮影した結果であるスペクトル画像（１２７）と、作物が特定の状態であることを検知するための情報（１２６）とに基づいて、観測対象の地域において特定の状態にある作物がある地域を特定する第３ステップ（Ｓ２１０５）と、特定した地域の情報を出力する第４ステップ（Ｓ２１０６）と、
を実行させる、方法。
（付記２）
第２ステップにおいて、マルチスペクトルカメラ（２２）を搭載した飛行体（２０）を、運行計画に従って、観測対象の地域において飛行させ、作物が特定の状態であることを検知するための波長によりマルチスペクトルカメラ（２２）で撮影させることでスペクトル画像（１２７）を生成する、付記１に記載の方法。
（付記３）
第１ステップ（Ｓ１９０８）において、検知するための情報として、観測対象の作物が育成されている地域を示す情報と、当該地域をマルチスペクトルカメラ（２２）で撮影することで得られるスペクトル画像（１２７）及びその撮影のための波長の情報と、当該地域において作物を撮影する際の太陽の角度の情報と、が関連付けられたデータベースを教師データとして機械学習を行うことにより生成される学習済みモデル（１２６）をメモリ（１２０）に記憶させており、第３ステップ（Ｓ２１０５）において、撮影した結果であるスペクトル画像（１２７）と、学習済みモデル（１２６）とに基づいて、特定の状態にある作物がある地域を特定する、付記１に記載の方法。
（付記４）
第１ステップ（Ｓ１９０８）において、検知するための情報として、さらに、マルチスペクトルカメラ（２２）で地域を撮像したときの地域の温度の情報が関連付けられたデータベースを教師データ（１２５）として機械学習を行うことにより生成される学習済みモデル（１２６）をメモリ（１２０）に記憶させており、第３ステップにおいて、さらに、マルチスペクトルカメラ（２２）で観測対象の地域を撮像したときの観測対象の地域の温度に基づいて、特定の状態にある作物がある地域を特定する、付記３に記載の方法。
（付記５）
第１ステップ（Ｓ１９０８）において、教師データ（１２５）であるデータベースとして、さらに、特定の状態の種類の情報が関連付けられており、当該特定の状態の種類の情報を含むデータベースにより生成された学習済みモデル（１２６）をメモリ（１２０）に記憶させており、第３ステップ（Ｓ２１０５）において、学習済みモデル（１２６）に基づき、特定の状態にある作物がある地域と、特定の状態の種類とを特定する、付記３に記載の方法。
（付記６）
第２ステップ（Ｓ２００２）において、運行計画として、複数機の飛行体（２０）により、それぞれ異なる地域を飛行させ、各飛行体により撮影されたスペクトル画像（１２７）を、撮影された地域に基づき重ね合わせてスペクトル画像（１２８）を生成する、付記２に記載の方法。
（付記７）
第２ステップ（Ｓ２００２）において、運行計画として、観測対象の作物に応じて、観測対象の地域ごとにマルチスペクトルカメラ（２２）の波長を指定し、波長の指定に従って、各地域で波長を切り替えて、飛行体のマルチスペクトルカメラ（２２）によりスペクトル画像（１２７）を生成する、付記２に記載の方法。
（付記８）
第２ステップ（Ｓ２００２）において、運行計画として、作物の育成場所の周囲の地形が所定の条件を満たす場合に、当該所定の条件を満たす地域を優先して、飛行体のマルチスペクトルカメラ（２２）により撮影させることでスペクトル画像（１２７）を生成する、付記２に記載の方法。
（付記９）
第３ステップ（Ｓ２１０５）において、作物が特定の状態になっている地理範囲と、そうでない地理範囲とを区別し、さらに、スペクトル画像（１２７）を撮影した地点に基づき、地図画像と重ね合わせて、作物が特定の状態になっている範囲を表示する、付記１～８のいずれかに記載の方法。
（付記１０）
第３ステップ（Ｓ２１０５）において、撮影時点の指定をユーザから受け付けており、指定された時点において撮影されたスペクトル画像（１２７）に基づき、作物が特定の状態になっている地理範囲を表示する、付記１～９のいずれかに記載の方法。
（付記１１）
第３ステップ（Ｓ２１０５）において、作物が特定の状態であることを検知した結果に基づき、特定の状態になっている作物の情報と、作物が特定の状態であることに対処するための費用の情報とを表示する、付記１～１０のいずれかに記載の方法。
（付記１２）
第１ステップ（Ｓ１９０８）において、マルチスペクトルカメラ（３２）を搭載した飛行体（３０）を飛行させて地表を撮影させ、得られたスペクトル画像（１２７）に基づいて、観測対象の作物が育成されている地域を示す情報と、当該地域をマルチスペクトルカメラ（３２）で撮影することで得られるスペクトル画像（１２７）及びその撮影のための波長の情報とを関連付けてメモリ（１２０）に記憶させ、さらに、コンピュータ（１０）のプロセッサ（１０１）に、記憶されたスペクトル画像（１２７）をユーザに閲覧させることにより、当該スペクトル画像（１２７）と関連付けて、作物が特定の状態であることの指定をユーザから受け付ける第５ステップ（Ｓ１９０４）と、ユーザの指定に応じて、作物が特定の状態であることを検知するためのデータベース（１２５）をメモリ（１２０）に記憶させる第６ステップ（Ｓ１９０６）と、を実行させる、付記１～１１のいずれかに記載の方法。
（付記１３）
データベースを作成するためのスペクトル画像は複数の波長からなる第１の波長群について同一の地域を撮像したものであり、第２ステップにおけるスペクトル画像は複数の波長からなる第２の波長群について同一の観測対象の地域を撮像したものであり、第１の波長群の波長数は第２の波長群の波長数より多い、付記１２に記載の方法。
（付記１４）
第１ステップ（Ｓ１９０８）において、地域を示す情報と、スペクトル画像（１２７）及びその撮影のための波長の情報と関連付けて、さらに、特定の状態の種類の情報をメモリ（１２０）に蓄積させる、付記１２または１３に記載の方法。
（付記１５）
第５ステップ（Ｓ１９０４）においてユーザから受け付けた指定に基づいて、作物が特定の状態であることをスペクトル画像（１２７）により検知するための波長を特定する、付記１２～１４のいずれかに記載の方法。
（付記１６）
第１ステップ（Ｓ１９０８）において、さらにマルチスペクトルカメラ（２３）で地域を撮像したときの地域の温度の情報を関連付けてメモリに記憶させる、付記１２～１５のいずれかに記載の方法。
（付記１７）
メモリ（１２０）に蓄積されている情報のうち、作物の育成場所の周囲の地形が所定の条件を満たす場合に、当該所定の条件を満たす地域のスペクトル画像（１２７）を抽出し、抽出したスペクトル画像（１２７）を指定可能にユーザに提示する、付記１２～１６のいずれかに記載の方法。
（付記１８）
ユーザから、地域に関する情報の入力を受け付けることに応答して、当該入力にかかる地域のスペクトル画像（１２７）を抽出し、抽出したスペクトル画像（１２７）を指定可能にユーザに提示する、付記１２～１７のいずれかに記載の方法。
（付記１９）
付記１～１８のいずれかに記載の方法をコンピュータ（１０）に実行させるためのプログラム。
（付記２０）
付記１～１８のいずれかに記載の方法を実行する情報処理装置。
【符号の説明】
【0209】
１…システム ２、３０…衛星 ３、２０…ドローン ４、１０…情報処理装置 １０１…プロセッサ １０２…主記憶装置 １０３…補助記憶装置 １２０、２１０、３１０…記憶部 １２１、２１００、３１００…アプリケーションプログラム １２２…飛行計画ＤＢ １２３、２１０３、３１０２…画像ＤＢ １２４…広域画像ＤＢ １２５…教師データ １２６…学習モデル １２７、２１０４、３１０３…スペクトル画像 １２８…広域スペクトル画像 １３０、２１１、３１１…制御部 １３３…学習モデル生成部 １３４…飛行計画作成部 １３５…飛行体制御部 １３６…画像合成部 １３７…領域特定部 １３８…種類特定部 ２１、３１…スペクトルカメラ制御装置 ２２、３２…スペクトルカメラ Ｎ…ネットワーク
【図1】
【図2】
【図3】
【図4】
【図5】
【図6】
【図7】
【図8】
【図9】
【図10】
【図11】
【図12】
【図13】
【図14】
【図15】
【図16】
【図17】
【図18】
【図19】
【図20】
【図21】
【図22】
【図23】
【図24】
【図25】
【手続補正書】
【提出日】2023-02-17
【手続補正1】
【補正対象書類名】特許請求の範囲
【補正対象項目名】全文
【補正方法】変更
【補正の内容】
【特許請求の範囲】
【請求項1】
コンピュータを動作させるための方法であって、前記コンピュータのプロセッサに、
マルチスペクトルカメラにより撮影されるスペクトル画像と比較するための、観測対象である作物の生育状態を検知するための情報をメモリに記憶させる第１ステップと、
観測対象の地域において、前記作物の生育状態を検知するために予め定めた波長により前記マルチスペクトルカメラで撮影させることで前記スペクトル画像を生成する第２ステップと、
前記撮影した結果である前記スペクトル画像と、前記作物の生育状態を検知するための情報とに基づいて、観測対象の前記地域において特定の前記生育状態にある前記作物がある前記地域を特定する第３ステップと、
前記特定した地域の情報を出力する第４ステップと、
を実行させ、
前記第２ステップにおいて、前記マルチスペクトルカメラを搭載した飛行体を、運行計画に従って、観測対象の前記地域において飛行させ、前記作物が前記特定の生育状態であることを検知するための前記波長により前記マルチスペクトルカメラで撮影させることで前記スペクトル画像を生成する、方法。
マルチスペクトルカメラにより撮影されるスペクトル画像と比較するための、観測対象である作物の生育状態を検知するための情報をメモリに記憶させる第１ステップと、
観測対象の地域において、前記作物の生育状態を検知するために予め定めた波長により前記マルチスペクトルカメラで撮影させることで前記スペクトル画像を生成する第２ステップと、
前記撮影した結果である前記スペクトル画像と、前記作物の生育状態を検知するための情報とに基づいて、観測対象の前記地域において特定の前記生育状態にある前記作物がある前記地域を特定する第３ステップと、
前記特定した地域の情報を出力する第４ステップと、
を実行させ、
前記第２ステップにおいて、前記マルチスペクトルカメラを搭載した飛行体を、運行計画に従って、観測対象の前記地域において飛行させ、前記作物が前記特定の生育状態であることを検知するための前記波長により前記マルチスペクトルカメラで撮影させることで前記スペクトル画像を生成する、方法。
【請求項2】
前記第１ステップにおいて、前記検知するための情報として、
観測対象の前記作物が育成されている前記地域を示す情報と、
当該地域を前記マルチスペクトルカメラで撮影することで得られる前記スペクトル画像及びその撮影のための波長の情報と、
当該地域において前記作物を撮影する際の太陽の角度の情報と、
が関連付けられたデータベースを教師データとして機械学習を行うことにより生成される学習済みモデルを前記メモリに記憶させており、
前記第３ステップにおいて、前記撮影した結果である前記スペクトル画像と、前記学習済みモデルとに基づいて、前記特定の生育状態にある前記作物がある前記地域を特定する、
請求項１に記載の方法。
観測対象の前記作物が育成されている前記地域を示す情報と、
当該地域を前記マルチスペクトルカメラで撮影することで得られる前記スペクトル画像及びその撮影のための波長の情報と、
当該地域において前記作物を撮影する際の太陽の角度の情報と、
が関連付けられたデータベースを教師データとして機械学習を行うことにより生成される学習済みモデルを前記メモリに記憶させており、
前記第３ステップにおいて、前記撮影した結果である前記スペクトル画像と、前記学習済みモデルとに基づいて、前記特定の生育状態にある前記作物がある前記地域を特定する、
請求項１に記載の方法。
【請求項3】
前記第１ステップにおいて、前記検知するための情報として、さらに
前記マルチスペクトルカメラで前記地域を撮像したときの前記地域の温度の情報が関連付けられたデータベースを教師データとして前記機械学習を行うことにより生成される前記学習済みモデルを前記メモリに記憶させており、
前記第３ステップにおいて、さらに、前記マルチスペクトルカメラで前記観測対象の地域を撮像したときの前記観測対象の地域の温度に基づいて、前記特定の生育状態にある前記作物がある前記地域を特定する、
請求項２に記載の方法。
前記マルチスペクトルカメラで前記地域を撮像したときの前記地域の温度の情報が関連付けられたデータベースを教師データとして前記機械学習を行うことにより生成される前記学習済みモデルを前記メモリに記憶させており、
前記第３ステップにおいて、さらに、前記マルチスペクトルカメラで前記観測対象の地域を撮像したときの前記観測対象の地域の温度に基づいて、前記特定の生育状態にある前記作物がある前記地域を特定する、
請求項２に記載の方法。
【請求項4】
前記第１ステップにおいて、前記教師データである前記データベースとして、さらに、前記特定の生育状態の種類の情報が関連付けられており、当該特定の生育状態の種類の情報を含む前記データベースにより生成された前記学習済みモデルを前記メモリに記憶させており、
前記第３ステップにおいて、前記学習済みモデルに基づき、前記特定の生育状態にある前記作物がある前記地域と、前記特定の生育状態の種類とを特定する、
請求項２に記載の方法。
前記第３ステップにおいて、前記学習済みモデルに基づき、前記特定の生育状態にある前記作物がある前記地域と、前記特定の生育状態の種類とを特定する、
請求項２に記載の方法。
【請求項5】
前記第２ステップにおいて、前記運行計画として、複数機の前記飛行体により、それぞれ異なる前記地域を飛行させ、各前記飛行体により撮影された前記スペクトル画像を、撮影された前記地域に基づき重ね合わせて前記スペクトル画像を生成する、
請求項１に記載の方法。
請求項１に記載の方法。
【請求項6】
前記第２ステップにおいて、前記運行計画として、観測対象の前記作物に応じて、観測対象の前記地域ごとに前記マルチスペクトルカメラの前記波長を指定し、前記波長の指定に従って、各地域で前記波長を切り替えて、前記飛行体の前記マルチスペクトルカメラにより前記スペクトル画像を生成する、
請求項１に記載の方法。
請求項１に記載の方法。
【請求項7】
前記第２ステップにおいて、前記運行計画として、前記作物の育成場所の周囲の地形が所定の条件を満たす場合に、当該所定の条件を満たす前記地域を優先して、前記飛行体の前記マルチスペクトルカメラにより撮影させることで前記スペクトル画像を生成する、
請求項１に記載の方法。
請求項１に記載の方法。
【請求項8】
前記第４ステップにおいて、前記作物が前記特定の生育状態になっている地理範囲と、そうでない地理範囲とを区別し、さらに、前記スペクトル画像を撮影した地点に基づき、地図画像と重ね合わせて、前記作物が前記特定の生育状態になっている範囲を表示する、
請求項１に記載の方法。
請求項１に記載の方法。
【請求項9】
前記第４ステップにおいて、撮影時点の指定をユーザから受け付けており、指定された時点において撮影された前記スペクトル画像に基づき、前記作物が前記特定の生育状態になっている地理範囲を表示する、
請求項１に記載の方法。
請求項１に記載の方法。
【請求項10】
前記第４ステップにおいて、前記作物が前記特定の生育状態であることを検知した結果に基づき、前記特定の生育状態になっている前記作物の情報と、前記作物が前記特定の生育状態であることに対処するための費用の情報とを表示する、
請求項１に記載の方法。
請求項１に記載の方法。
【請求項11】
前記第１ステップにおいて、
前記マルチスペクトルカメラを搭載した前記飛行体を飛行させて地表を撮影させ、得られた前記スペクトル画像に基づいて、
観測対象の前記作物が育成されている前記地域を示す情報と、
当該地域を前記マルチスペクトルカメラで撮影することで得られる前記スペクトル画像及びその撮影のための前記波長の情報と、
を関連付けて前記メモリに記憶させ、
さらに、前記コンピュータの前記プロセッサに、
前記記憶された前記スペクトル画像をユーザに閲覧させることにより、当該スペクトル画像と関連付けて、前記作物が前記特定の生育状態であることの指定を前記ユーザから受け付ける第５ステップと、
前記ユーザの指定に応じて、前記作物が前記特定の生育状態であることを検知するためのデータベースを前記メモリに記憶させる第６ステップと、
を実行させる、請求項１に記載の方法。
前記マルチスペクトルカメラを搭載した前記飛行体を飛行させて地表を撮影させ、得られた前記スペクトル画像に基づいて、
観測対象の前記作物が育成されている前記地域を示す情報と、
当該地域を前記マルチスペクトルカメラで撮影することで得られる前記スペクトル画像及びその撮影のための前記波長の情報と、
を関連付けて前記メモリに記憶させ、
さらに、前記コンピュータの前記プロセッサに、
前記記憶された前記スペクトル画像をユーザに閲覧させることにより、当該スペクトル画像と関連付けて、前記作物が前記特定の生育状態であることの指定を前記ユーザから受け付ける第５ステップと、
前記ユーザの指定に応じて、前記作物が前記特定の生育状態であることを検知するためのデータベースを前記メモリに記憶させる第６ステップと、
を実行させる、請求項１に記載の方法。
【請求項12】
前記データベースを作成するための前記スペクトル画像は複数の波長からなる第１の波長群について同一の地域を撮像したものであり、
前記第２ステップにおける前記スペクトル画像は複数の波長からなる第２の波長群について同一の観測対象の前記地域を撮像したものであり、
前記第１の波長群の波長数は前記第２の波長群の波長数より多い
請求項１１に記載の方法。
前記第２ステップにおける前記スペクトル画像は複数の波長からなる第２の波長群について同一の観測対象の前記地域を撮像したものであり、
前記第１の波長群の波長数は前記第２の波長群の波長数より多い
請求項１１に記載の方法。
【請求項13】
前記第１ステップにおいて、前記地域を示す情報と、前記スペクトル画像及びその撮影のための前記波長の情報と関連付けて、さらに、前記特定の生育状態の種類の情報を前記メモリに蓄積させる、
請求項１１に記載の方法。
請求項１１に記載の方法。
【請求項14】
前記第５ステップにおいて前記ユーザから受け付けた前記指定に基づいて、前記作物が前記特定の生育状態であることを前記スペクトル画像により検知するための波長を特定する、請求項１１に記載の方法。
【請求項15】
前記第１ステップにおいて、さらに
前記マルチスペクトルカメラで前記地域を撮像したときの前記地域の温度の情報を関連付けて前記メモリに記憶させる、
請求項１１に記載の方法。
前記マルチスペクトルカメラで前記地域を撮像したときの前記地域の温度の情報を関連付けて前記メモリに記憶させる、
請求項１１に記載の方法。
【請求項16】
前記メモリに蓄積されている情報のうち、前記作物の育成場所の周囲の地形が所定の条件を満たす場合に、当該所定の条件を満たす前記地域の前記スペクトル画像を抽出し、抽出した前記スペクトル画像を指定可能に前記ユーザに提示する、
請求項１１に記載の方法。
請求項１１に記載の方法。
【請求項17】
前記ユーザから、前記地域に関する情報の入力を受け付けることに応答して、当該入力にかかる前記地域の前記スペクトル画像を抽出し、抽出した前記スペクトル画像を指定可能に前記ユーザに提示する、
請求項１１に記載の方法。
請求項１１に記載の方法。
【請求項18】
請求項１に記載の方法をコンピュータに実行させるためのプログラム。
【請求項19】
請求項１に記載の方法を実行する情報処理装置。
【手続補正書】
【提出日】2023-06-26
【手続補正1】
【補正対象書類名】特許請求の範囲
【補正対象項目名】全文
【補正方法】変更
【補正の内容】
【特許請求の範囲】
【請求項1】
コンピュータを動作させるための方法であって、前記コンピュータのプロセッサに、
マルチスペクトルカメラにより撮影されるスペクトル画像と比較するための、観測対象である作物の生育状態を検知するための情報をメモリに予め記憶させる第１ステップと、
観測対象の地域において、前記作物の生育状態を検知するために予め定めた複数の波長帯域により前記マルチスペクトルカメラで撮影させることで前記スペクトル画像を生成する第２ステップと、
前記撮影した結果である前記スペクトル画像と、前記作物の生育状態を検知するための情報とに基づいて、観測対象の前記地域において特定の前記生育状態にある前記作物がある前記地域を特定する第３ステップと、
前記特定した地域の情報を出力する第４ステップと、
を実行させ、
前記第１ステップにおいて、前記複数の波長帯域による前記スペクトル画像と、前記作物との生育状態とを関連付けることで、特定の前記波長帯域における前記スペクトル画像と前記作物の特定の前記生育状態とを関連付けた情報を前記メモリに予め記憶させ、
前記第２ステップにおいて、前記マルチスペクトルカメラを搭載した飛行体を、運行計画に従って、観測対象の前記地域において飛行させ、前記作物が前記特定の生育状態であることを検知するための前記波長帯域により前記マルチスペクトルカメラで撮影させることで前記スペクトル画像を生成する、方法。
マルチスペクトルカメラにより撮影されるスペクトル画像と比較するための、観測対象である作物の生育状態を検知するための情報をメモリに予め記憶させる第１ステップと、
観測対象の地域において、前記作物の生育状態を検知するために予め定めた複数の波長帯域により前記マルチスペクトルカメラで撮影させることで前記スペクトル画像を生成する第２ステップと、
前記撮影した結果である前記スペクトル画像と、前記作物の生育状態を検知するための情報とに基づいて、観測対象の前記地域において特定の前記生育状態にある前記作物がある前記地域を特定する第３ステップと、
前記特定した地域の情報を出力する第４ステップと、
を実行させ、
前記第１ステップにおいて、前記複数の波長帯域による前記スペクトル画像と、前記作物との生育状態とを関連付けることで、特定の前記波長帯域における前記スペクトル画像と前記作物の特定の前記生育状態とを関連付けた情報を前記メモリに予め記憶させ、
前記第２ステップにおいて、前記マルチスペクトルカメラを搭載した飛行体を、運行計画に従って、観測対象の前記地域において飛行させ、前記作物が前記特定の生育状態であることを検知するための前記波長帯域により前記マルチスペクトルカメラで撮影させることで前記スペクトル画像を生成する、方法。
【請求項2】
前記第１ステップにおいて、前記検知するための情報として、
観測対象の前記作物が育成されている前記地域を示す情報と、
当該地域を前記マルチスペクトルカメラで撮影することで得られる前記スペクトル画像及びその撮影のための波長帯域の情報と、
当該地域において前記作物を撮影する際の太陽の角度の情報と、
が関連付けられたデータベースを教師データとして機械学習を行うことにより生成される学習済みモデルを前記メモリに記憶させており、
前記第３ステップにおいて、前記撮影した結果である前記スペクトル画像と、前記学習済みモデルとに基づいて、前記特定の生育状態にある前記作物がある前記地域を特定する、
請求項１に記載の方法。
観測対象の前記作物が育成されている前記地域を示す情報と、
当該地域を前記マルチスペクトルカメラで撮影することで得られる前記スペクトル画像及びその撮影のための波長帯域の情報と、
当該地域において前記作物を撮影する際の太陽の角度の情報と、
が関連付けられたデータベースを教師データとして機械学習を行うことにより生成される学習済みモデルを前記メモリに記憶させており、
前記第３ステップにおいて、前記撮影した結果である前記スペクトル画像と、前記学習済みモデルとに基づいて、前記特定の生育状態にある前記作物がある前記地域を特定する、
請求項１に記載の方法。
【請求項3】
前記第１ステップにおいて、前記検知するための情報として、さらに
前記マルチスペクトルカメラで前記地域を撮像したときの前記地域の温度の情報が関連付けられたデータベースを教師データとして前記機械学習を行うことにより生成される前記学習済みモデルを前記メモリに記憶させており、
前記第３ステップにおいて、さらに、前記マルチスペクトルカメラで前記観測対象の地域を撮像したときの前記観測対象の地域の温度に基づいて、前記特定の生育状態にある前記作物がある前記地域を特定する、
請求項２に記載の方法。
前記マルチスペクトルカメラで前記地域を撮像したときの前記地域の温度の情報が関連付けられたデータベースを教師データとして前記機械学習を行うことにより生成される前記学習済みモデルを前記メモリに記憶させており、
前記第３ステップにおいて、さらに、前記マルチスペクトルカメラで前記観測対象の地域を撮像したときの前記観測対象の地域の温度に基づいて、前記特定の生育状態にある前記作物がある前記地域を特定する、
請求項２に記載の方法。
【請求項4】
前記第１ステップにおいて、前記教師データである前記データベースとして、さらに、前記特定の生育状態の種類の情報が関連付けられており、当該特定の生育状態の種類の情報を含む前記データベースにより生成された前記学習済みモデルを前記メモリに記憶させており、
前記第３ステップにおいて、前記学習済みモデルに基づき、前記特定の生育状態にある前記作物がある前記地域と、前記特定の生育状態の種類とを特定する、
請求項２に記載の方法。
前記第３ステップにおいて、前記学習済みモデルに基づき、前記特定の生育状態にある前記作物がある前記地域と、前記特定の生育状態の種類とを特定する、
請求項２に記載の方法。
【請求項5】
前記第２ステップにおいて、前記運行計画として、複数機の前記飛行体により、それぞれ異なる前記地域を飛行させ、各前記飛行体により撮影された前記スペクトル画像を、撮影された前記地域に基づき重ね合わせて前記スペクトル画像を生成する、
請求項１に記載の方法。
請求項１に記載の方法。
【請求項6】
前記第２ステップにおいて、前記運行計画として、観測対象の前記作物に応じて、観測対象の前記地域ごとに前記マルチスペクトルカメラの前記波長帯域を指定し、前記波長帯域の指定に従って、各地域で前記波長帯域を切り替えて、前記飛行体の前記マルチスペクトルカメラにより前記スペクトル画像を生成する、
請求項１に記載の方法。
請求項１に記載の方法。
【請求項7】
前記第２ステップにおいて、前記運行計画として、前記作物の育成場所の周囲の地形が所定の条件を満たす場合に、当該所定の条件を満たす前記地域を優先して、前記飛行体の前記マルチスペクトルカメラにより撮影させることで前記スペクトル画像を生成する、
請求項１に記載の方法。
請求項１に記載の方法。
【請求項8】
前記第４ステップにおいて、前記作物が前記特定の生育状態になっている地理範囲と、そうでない地理範囲とを区別し、さらに、前記スペクトル画像を撮影した地点に基づき、地図画像と重ね合わせて、前記作物が前記特定の生育状態になっている範囲を表示する、
請求項１に記載の方法。
請求項１に記載の方法。
【請求項9】
前記第４ステップにおいて、撮影時点の指定をユーザから受け付けており、指定された時点において撮影された前記スペクトル画像に基づき、前記作物が前記特定の生育状態になっている地理範囲を表示する、
請求項１に記載の方法。
請求項１に記載の方法。
【請求項10】
前記第４ステップにおいて、前記作物が前記特定の生育状態であることを検知した結果に基づき、前記特定の生育状態になっている前記作物の情報と、前記作物が前記特定の生育状態であることに対処するための費用の情報とを表示する、
請求項１に記載の方法。
請求項１に記載の方法。
【請求項11】
前記第１ステップにおいて、
前記マルチスペクトルカメラを搭載した前記飛行体を飛行させて地表を撮影させ、得られた前記スペクトル画像に基づいて、
観測対象の前記作物が育成されている前記地域を示す情報と、
当該地域を前記マルチスペクトルカメラで撮影することで得られる前記スペクトル画像及びその撮影のための前記波長帯域の情報と、
を関連付けて前記メモリに記憶させ、
さらに、前記コンピュータの前記プロセッサに、
前記記憶された前記スペクトル画像をユーザに閲覧させることにより、当該スペクトル画像と関連付けて、前記作物が前記特定の生育状態であることの指定を前記ユーザから受け付ける第５ステップと、
前記ユーザの指定に応じて、前記作物が前記特定の生育状態であることを検知するためのデータベースを前記メモリに記憶させる第６ステップと、
を実行させる、請求項１に記載の方法。
前記マルチスペクトルカメラを搭載した前記飛行体を飛行させて地表を撮影させ、得られた前記スペクトル画像に基づいて、
観測対象の前記作物が育成されている前記地域を示す情報と、
当該地域を前記マルチスペクトルカメラで撮影することで得られる前記スペクトル画像及びその撮影のための前記波長帯域の情報と、
を関連付けて前記メモリに記憶させ、
さらに、前記コンピュータの前記プロセッサに、
前記記憶された前記スペクトル画像をユーザに閲覧させることにより、当該スペクトル画像と関連付けて、前記作物が前記特定の生育状態であることの指定を前記ユーザから受け付ける第５ステップと、
前記ユーザの指定に応じて、前記作物が前記特定の生育状態であることを検知するためのデータベースを前記メモリに記憶させる第６ステップと、
を実行させる、請求項１に記載の方法。
【請求項12】
前記データベースを作成するための前記スペクトル画像は複数の波長帯域からなる第１の波長群について同一の地域を撮像したものであり、
前記第２ステップにおける前記スペクトル画像は複数の波長帯域からなる第２の波長群について同一の観測対象の前記地域を撮像したものであり、
前記第１の波長群の前記波長帯域の数は前記第２の波長群の前記波長帯域の数より多い
請求項１１に記載の方法。
前記第２ステップにおける前記スペクトル画像は複数の波長帯域からなる第２の波長群について同一の観測対象の前記地域を撮像したものであり、
前記第１の波長群の前記波長帯域の数は前記第２の波長群の前記波長帯域の数より多い
請求項１１に記載の方法。
【請求項13】
前記第１ステップにおいて、前記地域を示す情報と、前記スペクトル画像及びその撮影のための前記波長帯域の情報と関連付けて、さらに、前記特定の生育状態の種類の情報を前記メモリに蓄積させる、
請求項１１に記載の方法。
請求項１１に記載の方法。
【請求項14】
前記第５ステップにおいて前記ユーザから受け付けた前記指定に基づいて、前記作物が前記特定の生育状態であることを前記スペクトル画像により検知するための波長帯域を特定する、請求項１１に記載の方法。
【請求項15】
前記第１ステップにおいて、さらに
前記マルチスペクトルカメラで前記地域を撮像したときの前記地域の温度の情報を関連付けて前記メモリに記憶させる、
請求項１１に記載の方法。
前記マルチスペクトルカメラで前記地域を撮像したときの前記地域の温度の情報を関連付けて前記メモリに記憶させる、
請求項１１に記載の方法。
【請求項16】
前記メモリに蓄積されている情報のうち、前記作物の育成場所の周囲の地形が所定の条件を満たす場合に、当該所定の条件を満たす前記地域の前記スペクトル画像を抽出し、抽出した前記スペクトル画像を指定可能に前記ユーザに提示する、
請求項１１に記載の方法。
請求項１１に記載の方法。
【請求項17】
前記ユーザから、前記地域に関する情報の入力を受け付けることに応答して、当該入力にかかる前記地域の前記スペクトル画像を抽出し、抽出した前記スペクトル画像を指定可能に前記ユーザに提示する、
請求項１１に記載の方法。
請求項１１に記載の方法。
【請求項18】
請求項１に記載の方法をコンピュータに実行させるためのプログラム。
【請求項19】
請求項１に記載の方法を実行する情報処理装置。